jsoup 快速指南

上一页
下一页

jsoup - 概述

jsoup 是一个基于 Java 的库，用于处理基于 HTML 的内容。它提供了一个非常方便的 API 来提取和操作数据，并结合了 DOM、CSS 和类似 jQuery 的方法的优势。它实现了 WHATWG HTML5 规范，并像现代浏览器一样将 HTML 解析为相同的 DOM。

jsoup 库实现了 WHATWG HTML5 规范，并将 HTML 内容解析为与现代浏览器相同的 DOM。

jsonp 库提供以下功能。

  1. 多重读取支持 - 它使用 URL、文件或字符串读取和解析 HTML。

  2. CSS 选择器 - 它可以使用 DOM 遍历或 CSS 选择器查找和提取数据。

  3. DOM 操作 - 它可以操作 HTML 元素、属性和文本。

  4. 防止 XSS 攻击 - 它可以根据给定的安全白名单清理用户提交的内容，以防止 XSS 攻击。

  5. 整理 - 它输出整洁的 HTML。

  6. 处理无效数据 - jsoup 可以处理未关闭的标签、隐式标签，并可以可靠地创建文档结构。

jsoup - 环境设置

步骤 1：验证您的计算机上是否安装了 Java

首先，打开控制台并根据您使用的操作系统执行 java 命令。

操作系统 任务 命令
Windows 打开命令控制台 c:\> java -version
Linux 打开命令终端 $ java -version
Mac 打开终端 machine:< joseph$ java -version

让我们验证所有操作系统的输出：

操作系统 输出
Windows

Java 11.0.11 2021-04-20 LTS

Java(TM) SE Runtime Environment 18.9 (build 11.0.11+9-LTS-194)

Java HotSpot(TM) 64-Bit Server VM 18.9 (build 11.0.11+9-LTS-194, mixed mode)
Linux

Java 11.0.11 2021-04-20 LTS

Java(TM) SE Runtime Environment 18.9 (build 11.0.11+9-LTS-194)

Java HotSpot(TM) 64-Bit Server VM 18.9 (build 11.0.11+9-LTS-194, mixed mode)
Mac

Java 11.0.11 2021-04-20 LTS

Java(TM) SE Runtime Environment 18.9 (build 11.0.11+9-LTS-194)

Java HotSpot(TM) 64-Bit Server VM 18.9 (build 11.0.11+9-LTS-194, mixed mode)

如果您的系统上未安装 Java，请从以下链接下载 Java 软件开发工具包 (SDK) www.oracle.com/technetwork/java/javase/downloads/index.html。在本教程中，我们假设已安装 Java 11.0.11 版本。

步骤 2：设置 JAVA 环境

设置**JAVA_HOME**环境变量，使其指向 Java 安装在您计算机上的基目录位置。例如：

操作系统 输出
Windows 将环境变量 JAVA_HOME 设置为 C:\Program Files\Java\jdk11.0.11
Linux export JAVA_HOME = /usr/local/java-current
Mac export JAVA_HOME = /Library/Java/Home

将 Java 编译器位置添加到系统路径。

操作系统 输出
Windows 在系统变量**Path**的末尾追加字符串**C:\Program Files\Java\jdk11.0.11\bin**。
Linux export PATH = $PATH:$JAVA_HOME/bin/
Mac 不需要

使用命令**java -version**验证 Java 安装，如上所述。

步骤 3：下载 jsoup 存档

从Maven 仓库下载最新版本的 jsoup jar 文件。在撰写本教程时，我们已下载 jsoup-1.14.3.jar 并将其复制到 C:\>jsoup 文件夹中。

操作系统 存档名称
Windows jsoup-1.14.3.jar
Linux jsoup-1.14.3.jar
Mac jsoup-1.14.3.jar

步骤 4：设置 jsoup 环境

设置**JSOUP_HOME**环境变量，使其指向 jsoup jar 存储在您计算机上的基目录位置。假设我们将 jsoup-1.14.3.jar 存储在 JSOUP 文件夹中。

序号 操作系统和说明
1

Windows

将环境变量 JSOUP_HOME 设置为 C:\JSOUP
2

Linux

export JSOUP_HOME = /usr/local/JSOUP
3

Mac

export JSOUP_HOME = /Library/JSOUP

步骤 5：设置 CLASSPATH 变量

设置**CLASSPATH**环境变量，使其指向 JSOUP jar 的位置。

序号 操作系统和说明
1

Windows

将环境变量 CLASSPATH 设置为 %CLASSPATH%;%JSOUP_HOME%\jsoup-1.14.3.jar;.;
2

Linux

export CLASSPATH = $CLASSPATH:$JSOUP_HOME/jsoup-1.14.3.jar:.
3

Mac

export CLASSPATH = $CLASSPATH:$JSOUP_HOME/jsoup-1.14.3.jar:.

jsoup - 解析字符串

以下示例将展示如何将 HTML 字符串解析为 Document 对象。

语法

Document document = Jsoup.parse(html);

其中

  • document - document 对象表示 HTML DOM。

  • Jsoup - 用于解析给定 HTML 字符串的主类。

  • html - HTML 字符串。

描述

parse(String html) 方法将输入的 HTML 解析为新的 Document。此 document 对象可用于遍历并获取 html dom 的详细信息。

示例

使用您选择的任何编辑器在例如 C:/> jsoup 中创建以下 Java 程序。

JsoupTester.java

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class JsoupTester {
   public static void main(String[] args) {
      String html = "<html><head><title>Sample Title</title></head>"
         + "<body><p>Sample Content</p></body></html>";
      Document document = Jsoup.parse(html);
      System.out.println(document.title());
      Elements paragraphs = document.getElementsByTag("p");
      for (Element paragraph : paragraphs) {
            System.out.println(paragraph.text());
      }
   }
}

验证结果

使用**javac**编译器编译类，如下所示

C:\jsoup>javac JsoupTester.java

现在运行 JsoupTester 以查看结果。

C:\jsoup>java JsoupTester

查看结果。

Sample Title
Sample Content

jsoup - 解析正文

以下示例将展示如何将 HTML 片段字符串解析为 Element 对象作为 html 正文。

语法

Document document = Jsoup.parseBodyFragment(html);
Element body = document.body();

其中

  • document - document 对象表示 HTML DOM。

  • Jsoup - 用于解析给定 HTML 字符串的主类。

  • html - HTML 片段字符串。

  • body - 表示文档正文元素的子元素，等效于 document.getElementsByTag("body")。

描述

parseBodyFragment(String html) 方法将输入的 HTML 解析为新的 Document。此 document 对象可用于遍历并获取 html 正文片段的详细信息。

示例

使用您选择的任何编辑器在例如 C:/> jsoup 中创建以下 Java 程序。

JsoupTester.java

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class JsoupTester {
   public static void main(String[] args) {
      String html = "<div><p>Sample Content</p>";
      Document document = Jsoup.parseBodyFragment(html);
      Element body = document.body();
      Elements paragraphs = body.getElementsByTag("p");
      for (Element paragraph : paragraphs) {
         System.out.println(paragraph.text());
      }
   }
}

验证结果

使用**javac**编译器编译类，如下所示

C:\jsoup>javac JsoupTester.java

现在运行 JsoupTester 以查看结果。

C:\jsoup>java JsoupTester

查看结果。

Sample Content

jsoup - 加载URL

以下示例将展示如何使用 url 从 Web 获取 HTML，然后查找其数据。

语法

String url = "http://www.google.com";
Document document = Jsoup.connect(url).get();

其中

  • document - document 对象表示 HTML DOM。

  • Jsoup - 用于连接 url 并获取 HTML 字符串的主类。

  • url - 要加载的 html 页面的 url。

描述

connect(url) 方法与 url 建立连接，get() 方法返回请求 url 的 html。

示例

使用您选择的任何编辑器在例如 C:/> jsoup 中创建以下 Java 程序。

JsoupTester.java

import java.io.IOException;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;

public class JsoupTester {
   public static void main(String[] args) throws IOException {
      String url = "http://www.google.com";
      Document document = Jsoup.connect(url).get();
      System.out.println(document.title());
   }
}

验证结果

使用**javac**编译器编译类，如下所示

C:\jsoup>javac JsoupTester.java

现在运行 JsoupTester 以查看结果。

C:\jsoup>java JsoupTester

查看结果。

Google

jsoup - 加载文件

以下示例将展示如何使用文件从磁盘获取 HTML，然后查找其数据。

语法

String url = "http://www.google.com";
Document document = Jsoup.connect(url).get();

其中

  • document - document 对象表示 HTML DOM。

  • Jsoup - 用于连接 url 并获取 HTML 字符串的主类。

  • url - 要加载的 html 页面的 url。

描述

connect(url) 方法与 url 建立连接，get() 方法返回请求 url 的 html。

示例

使用您选择的任何编辑器在例如 C:/> jsoup 中创建以下 Java 程序。

JsoupTester.java

import java.io.File;
import java.io.IOException;
import java.net.URISyntaxException;
import java.net.URL;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;

public class JsoupTester {
   public static void main(String[] args) throws IOException
      , URISyntaxException {
      URL path = ClassLoader.getSystemResource("test.htm");
      File input = new File(path.toURI());
      Document document = Jsoup.parse(input, "UTF-8");
      System.out.println(document.title());
   }
}

test.htm

在 C:\jsoup 文件夹中创建以下 test.htm 文件。

<html>
   <head>
      <title>Sample Title</title>
   </head>
   <body>
      <p>Sample Content</p>
   </body>
</html>

验证结果

使用**javac**编译器编译类，如下所示

C:\jsoup>javac JsoupTester.java

现在运行 JsoupTester 以查看结果。

C:\jsoup>java JsoupTester

查看结果。

Sample Title

jsoup - 使用DOM方法

以下示例将展示在将 HTML 字符串解析为 Document 对象后使用类似 DOM 的方法。

语法

Document document = Jsoup.parse(html);
Element sampleDiv = document.getElementById("sampleDiv");
Elements links = sampleDiv.getElementsByTag("a");

其中

  • document - document 对象表示 HTML DOM。

  • Jsoup - 用于解析给定 HTML 字符串的主类。

  • html - HTML 字符串。

  • sampleDiv - Element 对象表示由 id "sampleDiv" 标识的 html 节点元素。

  • links - Elements 对象表示由标签 "a" 标识的多个节点元素。

描述

parse(String html) 方法将输入的 HTML 解析为新的 Document。此 document 对象可用于遍历并获取 html dom 的详细信息。

示例

使用您选择的任何编辑器在例如 C:/> jsoup 中创建以下 Java 程序。

JsoupTester.java

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class JsoupTester {
   public static void main(String[] args) {
      String html = "<html><head><title>Sample Title</title></head>"
         + "<body>"
         + "<p>Sample Content</p>"
         + "<div id='sampleDiv'><a href='www.google.com'>Google</a></div>"
         +"</body></html>";
      Document document = Jsoup.parse(html);
      System.out.println(document.title());
      Elements paragraphs = document.getElementsByTag("p");
      for (Element paragraph : paragraphs) {
         System.out.println(paragraph.text());
      }

      Element sampleDiv = document.getElementById("sampleDiv");
      System.out.println("Data: " + sampleDiv.text());
      Elements links = sampleDiv.getElementsByTag("a");

      for (Element link : links) {
         System.out.println("Href: " + link.attr("href"));
         System.out.println("Text: " + link.text());
      }
   }
}

验证结果

使用**javac**编译器编译类，如下所示

C:\jsoup>javac JsoupTester.java

现在运行 JsoupTester 以查看结果。

C:\jsoup>java JsoupTester

查看结果。

Sample Title
Sample Content
Data: Google
Href: www.google.com
Text: Google

jsoup - 使用选择器语法

以下示例将展示在将 HTML 字符串解析为 Document 对象后使用选择器方法。jsoup 支持类似于 CSS 选择器的选择器。

语法

Document document = Jsoup.parse(html);
Element sampleDiv = document.getElementById("sampleDiv");
Elements links = sampleDiv.getElementsByTag("a");

其中

  • document - document 对象表示 HTML DOM。

  • Jsoup - 用于解析给定 HTML 字符串的主类。

  • html - HTML 字符串。

  • sampleDiv - Element 对象表示由 id "sampleDiv" 标识的 html 节点元素。

  • links - Elements 对象表示由标签 "a" 标识的多个节点元素。

描述

document.select(expression) 方法解析给定的 CSS 选择器表达式以选择 html dom 元素。

示例

使用您选择的任何编辑器在例如 C:/> jsoup 中创建以下 Java 程序。

JsoupTester.java

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class JsoupTester {
   public static void main(String[] args) {
      String html = "<html><head><title>Sample Title</title></head>"
         + "<body>"
         + "<p>Sample Content</p>"
         + "<div id='sampleDiv'><a href='www.google.com'>Google</a>"
         + "<h3><a>Sample</a><h3>"
         +"</div>"
         + "<div id='imageDiv' class='header'><img name='google' src='google.png' />"
         + "<img name='yahoo' src='yahoo.jpg' />"
         +"</div>"
         +"</body></html>";
      Document document = Jsoup.parse(html);

      //a with href
      Elements links = document.select("a[href]");

      for (Element link : links) {
         System.out.println("Href: " + link.attr("href"));
         System.out.println("Text: " + link.text());
      }

      // img with src ending .png
      Elements pngs = document.select("img[src$=.png]");

      for (Element png : pngs) {
         System.out.println("Name: " + png.attr("name"));
      }

      // div with class=header
      Element headerDiv = document.select("div.header").first();
      System.out.println("Id: " + headerDiv.id());
   
      // direct a after h3
      Elements sampleLinks = document.select("h3 > a"); 

      for (Element link : sampleLinks) {
         System.out.println("Text: " + link.text());
      }
   }
}

验证结果

使用**javac**编译器编译类，如下所示

C:\jsoup>javac JsoupTester.java

现在运行 JsoupTester 以查看结果。

C:\jsoup>java JsoupTester

查看结果。

Href: www.google.com
Text: Google
Name: google
Id: imageDiv
Text: Sample

jsoup - 提取属性

以下示例将展示在将 HTML 字符串解析为 Document 对象后使用方法获取 dom 元素的属性。

语法

Document document = Jsoup.parse(html);
Element link = document.select("a").first();         

System.out.println("Href: " + link.attr("href"));

其中

  • document - document 对象表示 HTML DOM。

  • Jsoup - 用于解析给定 HTML 字符串的主类。

  • html - HTML 字符串。

  • link - Element 对象表示代表锚标签的 html 节点元素。

  • link.attr() - attr(attribute) 方法检索元素属性。

描述

Element 对象表示 dom 元素，并提供各种方法来获取 dom 元素的属性。

示例

使用您选择的任何编辑器在例如 C:/> jsoup 中创建以下 Java 程序。

JsoupTester.java

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;

public class JsoupTester {
   public static void main(String[] args) {
      String html = "<html><head><title>Sample Title</title></head>"
         + "<body>"
         + "<p>Sample Content</p>"
         + "<div id='sampleDiv'><a href='www.google.com'>Google</a>"
         + "<h3><a>Sample</a><h3>"
         +"</div>"
         +"</body></html>";
      Document document = Jsoup.parse(html);

      //a with href
      Element link = document.select("a").first();         

      System.out.println("Href: " + link.attr("href"));
   }
}

验证结果

使用**javac**编译器编译类，如下所示

C:\jsoup>javac JsoupTester.java

现在运行 JsoupTester 以查看结果。

C:\jsoup>java JsoupTester

查看结果。

Href: www.google.com

jsoup - 提取文本

以下示例将展示在将 HTML 字符串解析为 Document 对象后使用方法获取文本。

语法

Document document = Jsoup.parse(html);
Element link = document.select("a").first();     
System.out.println("Text: " + link.text());

其中

  • document - document 对象表示 HTML DOM。

  • Jsoup - 用于解析给定 HTML 字符串的主类。

  • html - HTML 字符串。

  • link - Element 对象表示代表锚标签的 html 节点元素。

  • link.text() - text() 方法检索元素文本。

描述

Element 对象表示 dom 元素，并提供各种方法来获取 dom 元素的文本。

示例

使用您选择的任何编辑器在例如 C:/> jsoup 中创建以下 Java 程序。

JsoupTester.java

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;

public class JsoupTester {
   public static void main(String[] args) {
      String html = "<html><head><title>Sample Title</title></head>"
         + "<body>"
         + "<p>Sample Content</p>"
         + "<div id='sampleDiv'><a href='www.google.com'>Google</a>"
         + "<h3><a>Sample</a><h3>"
         +"</div>"
         +"</body></html>";
      Document document = Jsoup.parse(html);

      //a with href
      Element link = document.select("a").first();         

      System.out.println("Text: " + link.text());
   }
}

验证结果

使用**javac**编译器编译类，如下所示

C:\jsoup>javac JsoupTester.java

现在运行 JsoupTester 以查看结果。

C:\jsoup>java JsoupTester

查看结果。

Text: Google

jsoup - 提取HTML

以下示例将展示在将 HTML 字符串解析为 Document 对象后使用方法获取内部 html 和外部 html。

语法

Document document = Jsoup.parse(html);
Element link = document.select("a").first();         

System.out.println("Outer HTML: " + link.outerHtml());
System.out.println("Inner HTML: " + link.html());

其中

  • document - document 对象表示 HTML DOM。

  • Jsoup - 用于解析给定 HTML 字符串的主类。

  • html - HTML 字符串。

  • link - Element 对象表示代表锚标签的 html 节点元素。

  • link.outerHtml() - outerHtml() 方法检索元素的完整 html。

  • link.html() - html() 方法检索元素的内部 html。

描述

Element 对象表示 dom 元素，并提供各种方法来获取 dom 元素的 html。

示例

使用您选择的任何编辑器在例如 C:/> jsoup 中创建以下 Java 程序。

JsoupTester.java

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;

public class JsoupTester {
   public static void main(String[] args) {
      String html = "<html><head><title>Sample Title</title></head>"
         + "<body>"
         + "<p>Sample Content</p>"
         + "<div id='sampleDiv'><a href='www.google.com'>Google</a>"
         + "<h3><a>Sample</a><h3>"
         +"</div>"
         +"</body></html>";
      Document document = Jsoup.parse(html);

      //a with href
      Element link = document.select("a").first();         

      System.out.println("Outer HTML: " + link.outerHtml());
      System.out.println("Inner HTML: " + link.html());
   }
}

验证结果

使用**javac**编译器编译类，如下所示

C:\jsoup>javac JsoupTester.java

现在运行 JsoupTester 以查看结果。

C:\jsoup>java JsoupTester

查看结果。

Outer HTML: <a href="www.google.com">Google</a>
Inner HTML: Google

jsoup - 处理URL

以下示例将展示可以提供 html 页面中相对 URL 和绝对 URL 的方法。

语法

String url = "https://tutorialspoint.com/";
Document document = Jsoup.connect(url).get();
Element link = document.select("a").first();         

System.out.println("Relative Link: " + link.attr("href"));
System.out.println("Absolute Link: " + link.attr("abs:href"));
System.out.println("Absolute Link: " + link.absUrl("href"));

其中

  • document - document 对象表示 HTML DOM。

  • Jsoup - 用于连接 url 并获取 html 内容的主类。

  • link - Element 对象表示代表锚标签的 html 节点元素。

  • link.attr("href") - 提供锚标签中 href 的值。它可能是相对的或绝对的。

  • link.attr("abs:href") - 根据文档的基 URI 解析后提供绝对 url。

  • link.absUrl("href") - 根据文档的基 URI 解析后提供绝对 url。

描述

Element 对象表示 dom 元素，并提供方法来获取 html 页面中存在的相对 URL 和绝对 URL。

示例

使用您选择的任何编辑器在例如 C:/> jsoup 中创建以下 Java 程序。

JsoupTester.java

import java.io.IOException;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;

public class JsoupTester {
   public static void main(String[] args) throws IOException {
      String url = "https://tutorialspoint.com/";
      Document document = Jsoup.connect(url).get();

      Element link = document.select("a").first();
      System.out.println("Relative Link: " + link.attr("href"));
      System.out.println("Absolute Link: " + link.attr("abs:href"));
      System.out.println("Absolute Link: " + link.absUrl("href"));
   }
}

验证结果

使用**javac**编译器编译类，如下所示

C:\jsoup>javac JsoupTester.java

现在运行 JsoupTester 以查看结果。

C:\jsoup>java JsoupTester

查看结果。

Relative Link: index.htm
Absolute Link: https://tutorialspoint.com/index.htm
Absolute Link: https://tutorialspoint.com/index.htm

jsoup - 设置属性

以下示例将展示在将 HTML 字符串解析为 Document 对象后使用方法设置 dom 元素的属性、批量更新以及添加/删除类方法。

语法

Document document = Jsoup.parse(html);
Element link = document.select("a").first();         
link.attr("href","www.yahoo.com");     
link.addClass("header"); 
link.removeClass("header");

其中

  • document - document 对象表示 HTML DOM。

  • Jsoup - 用于解析给定 HTML 字符串的主类。

  • html - HTML 字符串。

  • link - Element 对象表示代表锚标签的 html 节点元素。

  • link.attr() - attr(attribute,value) 方法将元素属性设置为相应的值。

  • link.addClass() - addClass(class) 方法在 class 属性下添加类。

  • link.removeClass() - removeClass(class) 方法删除 class 属性下的类。

描述

Element 对象表示 dom 元素，并提供各种方法来获取 dom 元素的属性。

示例

使用您选择的任何编辑器在例如 C:/> jsoup 中创建以下 Java 程序。

JsoupTester.java

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class JsoupTester {
   public static void main(String[] args) {
      String html = "<html><head><title>Sample Title</title></head>"
         + "<body>"
         + "<p>Sample Content</p>"
         + "<div id='sampleDiv'><a id='googleA' href='www.google.com'>Google</a></div>"
         + "<div class='comments'><a href='www.sample1.com'>Sample1</a>"
         + "<a href='www.sample2.com'>Sample2</a>"
         + "<a href='www.sample3.com'>Sample3</a><div>"
         +"</div>"
         + "<div id='imageDiv' class='header'><img name='google' src='google.png' />"
         + "<img name='yahoo' src='yahoo.jpg' />"
         +"</div>"
         +"</body></html>";
      Document document = Jsoup.parse(html);

      //Example: set attribute
      Element link = document.getElementById("googleA");
      System.out.println("Outer HTML Before Modification :"  + link.outerHtml());
      link.attr("href","www.yahoo.com");      
      System.out.println("Outer HTML After Modification :"  + link.outerHtml());
      System.out.println("---");
      //Example: add class
      Element div = document.getElementById("sampleDiv");
      System.out.println("Outer HTML Before Modification :"  + div.outerHtml());
      link.addClass("header");      
      System.out.println("Outer HTML After Modification :"  + div.outerHtml());
      System.out.println("---");
      //Example: remove class
      Element div1 = document.getElementById("imageDiv");
      System.out.println("Outer HTML Before Modification :"  + div1.outerHtml());
      div1.removeClass("header");      
      System.out.println("Outer HTML After Modification :"  + div1.outerHtml());
      System.out.println("---");
      //Example: bulk update
      Elements links = document.select("div.comments a");
      System.out.println("Outer HTML Before Modification :"  + links.outerHtml());
      links.attr("rel", "nofollow");
      System.out.println("Outer HTML Before Modification :"  + links.outerHtml());
   }
}

验证结果

使用**javac**编译器编译类，如下所示

C:\jsoup>javac JsoupTester.java

现在运行 JsoupTester 以查看结果。

C:\jsoup>java JsoupTester

查看结果。

Outer HTML Before Modification :<a id="googleA" href="www.google.com">Google</a>
Outer HTML After Modification :<a id="googleA" href="www.yahoo.com">Google</a>
---
Outer HTML Before Modification :<div id="sampleDiv">
 <a id="googleA" href="www.yahoo.com">Google</a>
</div>
Outer HTML After Modification :<div id="sampleDiv">
 <a id="googleA" href="www.yahoo.com" class="header">Google</a>
</div>
---
Outer HTML Before Modification :<div id="imageDiv" class="header">
 <img name="google" src="google.png">
 <img name="yahoo" src="yahoo.jpg">
</div>
Outer HTML After Modification :<div id="imageDiv" class="">
 <img name="google" src="google.png">
 <img name="yahoo" src="yahoo.jpg">
</div>
---
Outer HTML Before Modification :<a href="www.sample1.com">Sample1</a>
<a href="www.sample2.com">Sample2</a>
<a href="www.sample3.com">Sample3</a>
Outer HTML Before Modification :<a href="www.sample1.com" rel="nofollow">Sample1</a>
<a href="www.sample2.com" rel="nofollow">Sample2</a>
<a href="www.sample3.com" rel="nofollow">Sample3</a>

jsoup - 设置HTML

以下示例将展示在将 HTML 字符串解析为 Document 对象后使用方法设置、附加或追加 html 到 dom 元素。

语法

Document document = Jsoup.parse(html);
Element div = document.getElementById("sampleDiv");     
div.html("<p>This is a sample content.</p>");   
div.prepend("<p>Initial Text</p>");
div.append("<p>End Text</p>");

其中

  • document - document 对象表示 HTML DOM。

  • Jsoup - 用于解析给定 HTML 字符串的主类。

  • html - HTML 字符串。

  • div - Element 对象表示代表锚标签的 html 节点元素。

  • div.html() - html(content) 方法将元素的外部 html 替换为相应的值。

  • div.prepend() - prepend(content) 方法在外部 html 之前添加内容。

  • div.append() - append(content) 方法在外部 html 之后添加内容。

描述

Element 对象表示 dom 元素，并提供各种方法来设置、附加或追加 html 到 dom 元素。

示例

使用您选择的任何编辑器在例如 C:/> jsoup 中创建以下 Java 程序。

JsoupTester.java

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;

public class JsoupTester {
   public static void main(String[] args) {
      String html = "<html><head><title>Sample Title</title></head>"
         + "<body>"
         + "<div id='sampleDiv'><a id='googleA' href='www.google.com'>Google</a></div>"       
         +"</body></html>";
      Document document = Jsoup.parse(html);

      Element div = document.getElementById("sampleDiv");
      System.out.println("Outer HTML Before Modification :\n"  + div.outerHtml());
      div.html("<p>This is a sample content.</p>");
      System.out.println("Outer HTML After Modification :\n"  + div.outerHtml());
      div.prepend("<p>Initial Text</p>");
      System.out.println("After Prepend :\n"  + div.outerHtml());
      div.append("<p>End Text</p>");
      System.out.println("After Append :\n"  + div.outerHtml());          
   }
}

验证结果

使用**javac**编译器编译类，如下所示

C:\jsoup>javac JsoupTester.java

现在运行 JsoupTester 以查看结果。

C:\jsoup>java JsoupTester

查看结果。

Outer HTML Before Modification :
<div id="sampleDiv">
 <a id="googleA" href="www.google.com">Google</a>
</div>
Outer HTML After Modification :
<div id="sampleDiv">
 <p>This is a sample content.</p>
</div>
After Prepend :
<div id="sampleDiv">
 <p>Initial Text</p>
 <p>This is a sample content.</p>
</div>
After Append :
<div id="sampleDiv">
 <p>Initial Text</p>
 <p>This is a sample content.</p>
 <p>End Text</p>
</div>
Outer HTML Before Modification :
<span>Sample Content</span>
Outer HTML After Modification :
<span>Sample Content</span>

jsoup - 设置文本内容

以下示例将展示在将 HTML 字符串解析为 Document 对象后使用方法设置、附加或追加文本到 dom 元素。

语法

Document document = Jsoup.parse(html);
Element div = document.getElementById("sampleDiv");     
div.text("This is a sample content.");   
div.prepend("Initial Text.");
div.append("End Text.");

其中

  • document - document 对象表示 HTML DOM。

  • Jsoup - 用于解析给定 HTML 字符串的主类。

  • html - HTML 字符串。

  • div - Element 对象表示代表锚标签的 html 节点元素。

  • div.text() - text(content) 方法将元素的内容替换为相应的值。

  • div.prepend() - prepend(content) 方法在外部 html 之前添加内容。

  • div.append() - append(content) 方法在外部 html 之后添加内容。

描述

Element 对象表示 dom 元素，并提供各种方法来设置、附加或追加 html 到 dom 元素。

示例

使用您选择的任何编辑器在例如 C:/> jsoup 中创建以下 Java 程序。

JsoupTester.java

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;

public class JsoupTester {
   public static void main(String[] args) {
      String html = "<html><head><title>Sample Title</title></head>"
         + "<body>"
         + "<div id='sampleDiv'><a id='googleA' href='www.google.com'>Google</a></div>"       
         +"</body></html>";
      Document document = Jsoup.parse(html);

      Element div = document.getElementById("sampleDiv");
      System.out.println("Outer HTML Before Modification :\n"  + div.outerHtml());
      div.text("This is a sample content.");
      System.out.println("Outer HTML After Modification :\n"  + div.outerHtml());
      div.prepend("Initial Text.");
      System.out.println("After Prepend :\n"  + div.outerHtml());
      div.append("End Text.");
      System.out.println("After Append :\n"  + div.outerHtml());          
   }
}

验证结果

使用**javac**编译器编译类，如下所示：

C:\jsoup>javac JsoupTester.java

现在运行 JsoupTester 以查看结果。

C:\jsoup>java JsoupTester

查看结果。

Outer HTML Before Modification :
<div id="sampleDiv">
   <a id="googleA" href="www.google.com">Google</a>
</div>
   Outer HTML After Modification :
<div id="sampleDiv">
   This is a sample content.
</div>
   After Prepend :
<div id="sampleDiv">
   Initial Text.This is a sample content.
</div>
   After Append :
<div id="sampleDiv">
   Initial Text.This is a sample content.End Text.
</div>

jsoup - 清理HTML

以下示例将展示如何防止 XSS 攻击或跨站点脚本攻击。

语法

String safeHtml =  Jsoup.clean(html, Safelist.basic());

其中

  • Jsoup - 用于解析给定 HTML 字符串的主类。

  • html - 初始 HTML 字符串。

  • safeHtml - 清理后的 HTML。

  • Safelist - 用于提供默认配置以保护 html 的对象。

  • clean() - 使用白名单清理 html。

描述

Jsoup 对象使用白名单配置清理 html。

示例

使用您选择的任何编辑器在例如 C:/> jsoup 中创建以下 Java 程序。

JsoupTester.java

import org.jsoup.Jsoup;
import org.jsoup.safety.Safelist;

public class JsoupTester {
   public static void main(String[] args) {
      String html = "<p><a href='http://example.com/'"
         +" onclick='checkData()'>Link</a></p>";

      System.out.println("Initial HTML: " + html);
      String safeHtml =  Jsoup.clean(html, Safelist.basic());
      System.out.println("Cleaned HTML: " +safeHtml);
   }
}

验证结果

使用**javac**编译器编译类，如下所示：

C:\jsoup>javac JsoupTester.java

现在运行 JsoupTester 以查看结果。

C:\jsoup>java JsoupTester

查看结果。

Initial HTML: <p><a href='http://example.com/' onclick='checkData()'>Link</a></p>
Cleaned HTML: <p><a href="http://example.com/" rel="nofollow">Link</a></p>
打印页面
上一页
下一页
广告