Jsoup 是一個用于處理 HTML 的 Java 庫。它提供了一個非常方便的 API，用于提取和操作數據，使用 DOM、CSS 和類似 jQuery 的方法。Jsoup 實現了 WHATWG HTML5 規范，并將 HTML 解析為與現代瀏覽器相同的 DOM。
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.14.3</version>
</dependency>
implementation 'org.jsoup:jsoup:1.14.3'
你可以從 Jsoup 官方網站 下載最新的 JAR 文件，并將其添加到你的項目中。
String html = "<html><head><title>First parse</title></head>"
+ "<body><p>Parsed HTML into a doc.</p></body></html>";
Document doc = Jsoup.parse(html);
Element element = doc.select("p").first();
String text = element.text();
String html = element.html();
element.text("New text");
element.html("<b>New HTML</b>");
element.append("<p>New paragraph</p>");
element.prepend("<p>New paragraph</p>");
element.remove();
Connection.Response loginForm = Jsoup.connect("http://example.com/login")
.method(Connection.Method.GET)
.execute();
Document loginDoc = loginForm.parse();
Element form = loginDoc.select("form").first();
String csrfToken = form.select("input[name=csrf_token]").val();
Connection.Response loginResponse = Jsoup.connect("http://example.com/login")
.data("csrf_token", csrfToken)
.data("username", "myUsername")
.data("password", "myPassword")
.cookies(loginForm.cookies())
.method(Connection.Method.POST)
.execute();
Connection.Response response = Jsoup.connect("http://example.com")
.method(Connection.Method.GET)
.execute();
Map<String, String> cookies = response.cookies();
Connection.Response response = Jsoup.connect("http://example.com")
.followRedirects(true)
.execute();
Connection.Response response = Jsoup.connect("http://example.com")
.proxy("proxy.example.com", 8080)
.execute();
Connection.Response response = Jsoup.connect("https://example.com")
.validateTLSCertificates(false)
.execute();
Document doc = Jsoup.connect("http://example.com").get();
Elements newsHeadlines = doc.select("#mp-itn b a");
for (Element headline : newsHeadlines) {
System.out.println(headline.attr("title"));
System.out.println(headline.absUrl("href"));
}
Document doc = Jsoup.connect("http://example.com").get();
Element form = doc.select("form").first();
Element input = form.select("input[name=username]").first();
input.val("testuser");
String dirtyHTML = "<p><a href='http://example.com/'><b>Example</b></a></p>";
String cleanHTML = Jsoup.clean(dirtyHTML, Whitelist.basic());
解決方案：使用 Selenium 或其他瀏覽器自動化工具來加載頁面，然后將頁面源代碼傳遞給 Jsoup 進行解析。
解決方案：使用 Jsoup 的 Connection API 來模擬表單提交，并處理 CSRF 令牌等安全機制。
解決方案：使用多線程或分布式爬蟲框架來提高數據處理的效率。
Jsoup 是一個功能強大且易于使用的 Java 庫，適用于各種 HTML 處理任務。通過本文的介紹，你應該能夠掌握 Jsoup 的基本用法和高級技巧，并能夠將其應用到實際項目中。希望本文對你有所幫助，祝你在使用 Jsoup 的過程中取得成功！
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
