转载：Jsoup常用方法功能介绍（html解析器）

jsoup 的作用：是一款 Java 的HTML 解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于JQuery的操作方法来取出和操作数据

1.jsoup的主要功能如下：

• 从一个URL，文件或字符串中解析HTML； 
• 使用DOM或CSS选择器来查找、取出数据；
• 可操作HTML元素、属性、文本；

jsoup解析

1.Jsoup提供一系列的静态解析方法生成Document对象

• static Document parse(File in, String charsetName)
• static Document parse(File in, String charsetName, String baseUri)
• static Document parse(InputStream in, String charsetName, String baseUri)
• static Document parse(String html)
• static Document parse(String html, String baseUri)   
• static Document parse(URL url, int timeoutMillis)
• static Document parseBodyFragment(String bodyHtml)
• static Document parseBodyFragment(String bodyHtml, String baseUri) 

　　　其中baseUri表示检索到的相对URL是相对于baseUriURL的 

2.其中charsetName表示字符集

• Connection connect(String url) 根据给定的url(必须是http或https)来创建连接
• Connection 提供一些方法来抓去网页内容
• Connection cookie(String name, String value) 发送请求时放置cookie 
• Connection data(Map<String,String> data) 传递请求参数 
• Connection data(String... keyvals) 传递请求参数
• Document get() 以get方式发送请求并对返回结果进行解析
• Document post()以post方式发送请求并对返回结果进行解析 
• Connection userAgent(String userAgent) 
• Connection header(String name, String value) 添加请求头
• Connection referrer(String referrer) 设置请求来源

3.jsoup提供类似JS获取html元素：

• getElementById(String id) 用id获得元素
• getElementsByTag(String tag) 用标签获得元素
• getElementsByClass(String className) 用class获得元素
• getElementsByAttribute(String key)  用属性获得元素
• 同时还提供下面的方法提供获取兄弟节点：siblingElements(), firstElementSibling(), lastElementSibling();nextElementSibling(), previousElementSibling()

4.获得与设置元素的数据

• attr(String key)  获得元素的数据 attr(String key, String value) 设置元素数据 
• attributes() 获得所以属性
• id(), className()  classNames() 获得id class得值
• text()获得文本值
• text(String value) 设置文本值
• html() 获取html 
• html(String value)设置html
• outerHtml() 获得内部html
• data()获得数据内容
• tag()  获得tag 和 tagName() 获得tagname 

5.操作html元素：

• append(String html), prepend(String html)
• appendText(String text), prependText(String text)
• appendElement(String tagName), prependElement(String tagName)
• html(String value)

6.jsoup还提供了类似于JQuery方式的选择器
　　6.1.采用选择器来检索数据

• tagname 使用标签名来定位，例如 a 
• ns|tag     使用命名空间的标签定位，例如 fb:name 来查找 <fb:name> 元素 
• #id     使用元素 id 定位，例如 #logo 
• .class     使用元素的 class 属性定位，例如 .head 
• *     定位所有元素 
• [attribute] 使用元素的属性进行定位，例如 [href] 表示检索具有 href 属性的所有元素 
• [^attr] 使用元素的属性名前缀进行定位，例如 [^data-] 用来查找 HTML5 的 dataset 属性 
• [attr=value]使用属性值进行定位，例如 [width=500] 定位所有 width 属性值为 500 的元素 
• [attr^=value],[attr$=value],[attr*=value] 这三个语法分别代表，属性以 value 开头、结尾以及包含 
• [attr~=regex]使用正则表达式进行属性值的过滤，例如 img[src~=(?i)\.(png|jpe?g)] 
• 以上是最基本的选择器语法，这些语法也可以组合起来使用

7.组合用法

• el#id      定位id值某个元素，例如 a#logo -> <a id=logo href= … > 
• el.class 定位 class 为指定值的元素，例如 div.head -> <div class="head">xxxx</div> 
• el[attr] 定位所有定义了某属性的元素，例如 a[href] 
• 以上三个任意组合     例如 a[href]#logo 、a[name].outerlink 
• 除了一些基本的语法以及这些语法进行组合外，jsoup 还支持使用表达式进行元素过滤选择
• :lt(n)     例如 td:lt(3) 表示小于三列 
• :gt(n)     div p:gt(2) 表示 div 中包含 2 个以上的 p 
• :eq(n)     form input:eq(1) 表示只包含一个 input 的表单 
• :has(seletor)     div:has(p) 表示包含了 p 元素的 div 
• :not(selector)     div:not(.logo) 表示不包含 class="logo" 元素的所有 div 列表 
• :contains(text)     包含某文本的元素，不区分大小写，例如 p:contains(oschina) 
• :containsOwn(text)     文本信息完全等于指定条件的过滤 
• :matches(regex)     使用正则表达式进行文本过滤：div:matches((?i)login) 
• :matchesOwn(regex)     使用正则表达式找到自身的文本 

8.其他用法：

• //url网址作为输入源
• Document doc = Jsoup.connect("http://www.example.com").timeout(60000).get();
• //File文件作为输入源
• File input = new File("/tmp/input.html");
• Document doc = Jsoup.parse(input, "UTF-8", "http://www.example.com/");
• //String作为输入源
• Document doc = Jsoup.parse(htmlStr);
• 和java script类似，Jsoup提供了下列的函数
• getElementById(String id) 通过id获得元素
• getElementsByTag(String tag) 通过标签获得元素
• getElementsByClass(String className) 通过class获得元素
• getElementsByAttribute(String key) 通过属性获得元素

9.同时还提供下面的方法提供获取兄弟节点：

• siblingElements(), firstElementSibling(), lastElementSibling();nextElementSibling(), previousElementSibling()

10用下面方法获得元素的数据：

• attr(String key) 获得元素的数据
• attr(String key, String value) 设置元素数据
• attributes() 获得所有属性
• id(), className() classNames() 得到id class的值
• text()得到文本值
• text(String value) 设置文本值
• html() 获取html 
• html(String value)设置html
• outerHtml() 获得内部html
• data()获得数据内容
• tag() 得到tag 和 tagName() 得到tagname

11.操作html提供了下面方法：

• append(String html), prepend(String html)
• appendText(String text), prependText(String text)
• appendElement(String tagName), prependElement(String tagName)
• html(String value)

本文来自 Key_MQL 的CSDN 博客 ，全文地址请点击：https://blog.csdn.net/key_mql/article/details/55522325?utm_source=copy