Jsoup - 在 Java 中提取和解析 HTML 代码

Jsoup 是一个<我>书商 de Java 谁处理代码 HTML。这是一个API 非常方便使用以下最佳方法提取和操作数据 DOM， CSS et jquery.
jsoup 实现了 HTML5 的特征，并像现代浏览器一样解析树 （DOM） 中的 HTML 代码。JSOUP 是一个开源项目，在MIT许可证。源代码见于 GitHub.
Features：
- 解析 URL、文件或字符串中的 HTML 代码。
- 使用 DOM 树和 CSS.
- 操作元素和文本 HTML.
- 通过擦除用户的订阅来防止 XSS 攻击。
- 创建一个整洁的 HTML 代码。
    JSoup 旨在适应不同版本的 HTML，它创建了一个分析树。
    单击到 下载 jsoup.

    示例：

    检索维基百科页面，将其转换并解析为 DOM，然后从新闻部分选择项目列表。
    文档文档 = Jsoup.connect（http://fr.wikipedia.org”）.get（）;

    1 - 解析文档

    此代码用于分析 document HTML：

    String html = <头><标题>第一个标题"
     + "<身体><要记录的示例代码";
    Document doc = Jsoup.parse（html）;

    解析器将尽最大努力从您提供的代码创建清晰的 HTML 代码，它处理：

    - 未闭合的标签，例如：
    - 隐式标签，例如：
        <道明> 桌子被包围 <表><道明>
    - 创建的代码结构符合 HTML 语言的标准（标题、主体和构成页面的元素）.

    2- 从 String

    我们在 Java 字符串中拥有 HTML，我们想将其分解以包含其内容，或者检查它是否写得好，或者修改它。可以从文件或 Web 链接中读取条目。
    你必须使用预定义的方法 Jsoup.parse（字符串 html） 或者 Jsoup.parse（字符串 html， 字符串 Uri） 如果页面来自网络。见 class Jsoup.

    String html = <头><标题>标题"
     + "<身体>

    html en doc";
    Document doc = Jsoup.parse（html）;


    方法 Jsoup.parse（字符串 html， 字符串 Uri） 解析新 HTML 代码输入公文。URI 参数用于将 相对 URL 转换为绝对 URL，并且应该 待办事项 使用其文档的 URL 初始化 恢复。如果这是不可能的，你可以 使用 Jsoup.parse（String html）.
    作为参数传递的字符串不得为 null，输出文档将由小于 head et de body.如果你 obturerez 一个例外情况，您会发现树的提取未完成。正确阅读文档 更多信息.
    获得文件后，您将能够：恢复 使用类的方法的数据 文件和更高等级 节点 et Element.

    3- 解析 body

    我们有一件紧身衣，我们想分析一下。例如，代码可以包含非 HTML 代码的元素，例如 comments.
    解决方案是使用Jsoup.parseBodyFragment（String html）.

    String html=
    <;
    Document doc = Jsoup.parseBodyFragment（html）;
    元素 body = doc.body（）;


    parseBodyFragment 方法创建一个空文档，并将解析的 HTML 插入到正文中。如果使用Jsoup.parse（String html），你会得到 相同 结果，但将输出视为 正文片段确保所有提供的元素都已解析。
    Document.body（） 方法检索元素 下（儿童）身体，相当于doc.getElementsByTag（body”）.
    建议在 恢复来自包含脚本的网站的数据恶性。查看文档whitelist 并用订单 clean（String html， 白名单白名单）.

    4- 从 URL

    要从 Web 搜索和解析 HTML 文档并查找数据，必须使用Jsoup.connect（字符串网址）.

    Document 文档 = Jsoup.connect（http://siteweb.com/”）.get();
    String title = doc.title（）;
    connect（String url） 创建一个新的connexion get（） 搜索并解析 HTML 文件。如果一个 搜索过程中出现的错误，异常将being triggered.
    界面 connexion 设计于 chaining 对于具体答案 ：

    Document doc = Jsoup.connect（http://siteweb.com”）
     .data（query”， Java”）
         .userAgent（Mozilla”）
     .cookie（auth”， token”）
     .timeout（3000）
     .post（）;
    此方法仅支持 http 和 https 协议的 URL。如果需要上传文件，最好使用 parse（File in， String charsetName）.

    5- 从文件加载文档

    我们有一个包含 HTML 的文件，我们想要加载它，然后分析它并提取数据来操作它。您应该使用方法 Jsoup.parse（File in， String encoding， String Uri）.

    文件 输入 = new File（/temp/siteinput.html”);
    Document doc = Jsoup.parse（siteinput， UTF-8”， http://siteweb.com/”);
    Uri 参数用于解析文档中 < 元素之前的相对 URL赫里夫>被发现。您可以传递一个空的 String.
    还有另一种类似的方法parse（File in， String encoding）。parse（） 方法使用文件路径作为 Uri。此方法在本地服务器上工作时有效。