jsoup 如何簡化 Java 中的 HTML 解析並有效處理格式錯誤的 HTML？-java教程-PHP中文網

jsoup 如何簡化 Java 中的 HTML 解析並有效處理格式錯誤的 HTML？

Susan Sarandon

發布： 2024-10-27 19:48:02

原創

856 人瀏覽過

How can jsoup simplify HTML parsing in Java and handle malformed HTML effectively?

Java 中的 HTML 解析

在使用 Web 抓取應用程式時，從 HTML 文件中高效提取資料至關重要。當需要解析 HTML 以取得特定 CSS 類別中包含的資料時，最基本的方法是手動檢查 HTML 的每一行中所需的類別字串。雖然這種方法產生了結果，但它提出了是否有更複雜的解決方案的問題。

探索替代選項

引入jsoup，一個專門為處理而設計的高度通用的庫Java 中的 HTML。與基本字串搜尋不同，jsoup 採用複雜的方法來解決兩個關鍵挑戰：

格式錯誤的HTML： 網站通常具有格式不良或格式錯誤的HTML，這可能會阻礙解析。 jsoup 強大的解析引擎會自動清除格式錯誤的 HTML，確保資料擷取的一致性。
類別 jQuery 語法： jsoup 提供了一組強大的方法，模仿 jQuery 的語法來選擇和操作 HTML 元素。這簡化了存取 HTML 文件中特定類別、文字和連結的過程。

使用範例

請考慮以下範例，您希望在其中從假設的

中擷取資料使用CSS 類別「classname」：

<code class="java">import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;

String html = "<html><body><div class=\"classname\">...</div></body></html>";
Document doc = Jsoup.parse(html);
Element div = doc.getElementsByClass("classname").first();

if (div != null) {
    boolean usesClass = div.hasClass("classname");
    String text = div.text();
    String link = div.select("a[href]").attr("href");
}</code>

登入後複製

在此範例中，展示了jsoup 的功能：