手把手教學Android用jsoup解析html實例

2019-12-12 02:39:31

字體：大中小

來源：轉載

供稿：網友

1.jsoup介紹

很多時候，我們需要從各種網頁上面抓取數據，而jsoup 是一款Java 的HTML解析器，可直接解析某個URL地址、HTML文本內容。它提供了一套非常省力的API，可通過DOM，CSS以及類似于jQuery的操作方法來取出和操作數據。

jsoup官方文檔：https://jsoup.org/cookbook/

2.使用場景

下面是一張關于美食的截圖，可以留意到這是一個html網頁，當我們想要抓取里面的數據的時候，jsoup就能幫到我們很多。

接下來開始手把手教學

首先，也是很重要的一步，就是下載jar包，丟到libs里面

jar包下載地址：http://jsoup.org/download

Android studio玩家可以不下載jar包,在Gradle里面加入

dependencies {  compile 'org.jsoup:jsoup:1.9.2'}

然后，找到你心儀的網頁去抓取數據

這里我們我繼續使用美食的網頁，然后右鍵查看網頁源碼，或者按F12，接下來可以看到一大堆標簽：

找到需要的，例如上圖這個 “美食天下” ，可以看到 “美食天下” 是放在以 <div class="top-bar" id="J_top_bar"> 為節點的 <a title="美食天下" 中，要獲取這個“美食天下”，代碼可以這樣寫:

try {    //從一個URL加載一個Document對象。  Document doc = Jsoup.connect("http://home.meishichina.com/show-top-type-recipe.html").get();  //選擇“美食天下”所在節點  Elements elements = doc.select("div.top-bar");    //打印 <a>標簽里面的title  Log.i("mytag",elements.select("a").attr("title"));}catch(Exception e) {    Log.i("mytag", e.toString());}

接下來看一下打印出來的結果：

Jsoup.connect(String url)方法從一個URL加載一個Document對象。如果從該URL獲取HTML時發生錯誤，便會拋出 IOException，應適當處理。

一旦擁有了一個Document，你就可以使用Document中適當的方法或它父類 Element和Node中的方法來取得相關數據。

public class Element extends Nodepublic class Document extends Element

很多文章都是說一大堆原理然后放出一個簡單的例子，就跟我上面簡單的打了一個log一樣，然后發現用起來的時候是沒那么簡單的。為了大家能不看文檔也可以直接使用(并且看不懂那一大堆標簽也可以用)，我決定再舉一個例子(其實也就是比上面多打幾個log)：

下圖紅色框框是我們要獲取的數據，可以看到他們對應的節點就是藍色圓圈里面的<div class="xxx">

廢話不多說上代碼

try {    //還是一樣先從一個URL加載一個Document對象。  Document doc = Jsoup.connect("http://home.meishichina.com/show-top-type-recipe.html").get();  //“椒麻雞”和它對應的圖片都在<div class="pic">中  Elements titleAndPic = doc.select("div.pic");  //使用Element.select(String selector)查找元素，使用Node.attr(String key)方法取得一個屬性的值  Log.i("mytag", "title:" + titleAndPic.get(1).select("a").attr("title") + "pic:" + titleAndPic.get(1).select("a").select("img").attr("data-src"));  //所需鏈接在<div class="detail">中的<a>標簽里面  Elements url = doc.select("div.detail").select("a");  Log.i("mytag", "url:" + url.get(i).attr("href"));  //原料在<p class="subcontent">中  Elements burden = doc.select("p.subcontent");  //對于一個元素中的文本，可以使用Element.text()方法  Log.i("mytag", "burden:" + burden.get(1).text());}catch(Exception e) {    Log.i("mytag", e.toString());}

大功告成，接下來看看log