Jsoup 抓取页面的数据实例详解
Jsoup抓取页面的数据
需要使用的是jsoup-1.7.3.jar包 如果需要看文档我下载请借一步到官网:http://jsoup.org/
这里贴一下我用到的Java工程的测试代码
packagecom.javen.Jsoup; importjava.io.IOException; importorg.jsoup.Jsoup; importorg.jsoup.nodes.Document; importorg.jsoup.nodes.Element; importorg.jsoup.select.Elements; publicclassJsoupTest{ staticStringurl="http://www.cnblogs.com/zyw-205520/archive/2012/12/20/2826402.html"; /** *@paramargs *@throwsException */ publicstaticvoidmain(String[]args)throwsException{ //TODOAuto-generatedmethodstub BolgBody(); //test(); //Blog(); /* *Documentdoc=Jsoup.connect("http://www.oschina.net/") *.data("query","Java")//请求参数.userAgent("I'mjsoup")//设置 *User-Agent.cookie("auth","token")//设置cookie.timeout(3000)// *设置连接超时时间.post(); *///使用POST方法访问URL /* *//从文件中加载HTML文档Fileinput=newFile("D:/test.html");Documentdoc *=Jsoup.parse(input,"UTF-8","http://www.oschina.net/"); */ } /** *获取指定HTML文档指定的body *@throwsIOException */ privatestaticvoidBolgBody()throwsIOException{ //直接从字符串中输入HTML文档 Stringhtml="<html><head><title>开源中国社区</title></head>" +"<body><p>这里是jsoup项目的相关文章</p></body></html>"; Documentdoc=Jsoup.parse(html); System.out.println(doc.body()); //从URL直接加载HTML文档 Documentdoc2=Jsoup.connect(url).get(); Stringtitle=doc2.body().toString(); System.out.println(title); } /** *获取博客上的文章标题和链接 */ publicstaticvoidarticle(){ Documentdoc; try{ doc=Jsoup.connect("http://www.cnblogs.com/zyw-205520/").get(); ElementsListDiv=doc.getElementsByAttributeValue("class","postTitle"); for(Elementelement:ListDiv){ Elementslinks=element.getElementsByTag("a"); for(Elementlink:links){ StringlinkHref=link.attr("href"); StringlinkText=link.text().trim(); System.out.println(linkHref); System.out.println(linkText); } } }catch(IOExceptione){ //TODOAuto-generatedcatchblock e.printStackTrace(); } } /** *获取指定博客文章的内容 */ publicstaticvoidBlog(){ Documentdoc; try{ doc=Jsoup.connect("http://www.cnblogs.com/zyw-205520/archive/2012/12/20/2826402.html").get(); ElementsListDiv=doc.getElementsByAttributeValue("class","postBody"); for(Elementelement:ListDiv){ System.out.println(element.html()); } }catch(IOExceptione){ //TODOAuto-generatedcatchblock e.printStackTrace(); } } }
下面来介绍android中使用Jsoup异步解析网页的数据请注意:这里很容易遇到一个乱码的问题
1.配置文件:
AndroidManifest.xml中加权限<uses-permissionandroid:name="android.permission.INTERNET"></uses-permission>
2.layout的布局文件
<LinearLayoutxmlns:android="http://schemas.android.com/apk/res/android" xmlns:tools="http://schemas.android.com/tools" android:layout_width="match_parent" android:layout_height="match_parent" android:orientation="vertical"> <WebView android:id="@+id/webView" android:layout_width="fill_parent" android:layout_height="200dp"/> <ScrollView android:layout_width="wrap_content" android:layout_height="wrap_content"> <TextView android:id="@+id/textView" android:layout_width="wrap_content" android:layout_height="wrap_content" android:text="@string/hello_world"/> </ScrollView> </LinearLayout>
主要异步加载数据的代码
packagecom.javen.aaa; importjava.io.BufferedReader; importjava.io.IOException; importjava.io.InputStreamReader; importjava.net.URL; importorg.jsoup.Jsoup; importorg.jsoup.nodes.Document; importorg.jsoup.nodes.Element; importorg.jsoup.select.Elements; importandroid.app.Activity; importandroid.app.Dialog; importandroid.app.ProgressDialog; importandroid.os.AsyncTask; importandroid.os.Bundle; importandroid.util.Log; importandroid.webkit.WebView; importandroid.widget.TextView; publicclassMainActivityextendsActivity{ privateWebViewwebView; privateTextViewtextView; privatestaticfinalintDIALOG_KEY=0; @Override protectedvoidonCreate(BundlesavedInstanceState){ super.onCreate(savedInstanceState); setContentView(R.layout.main); webView=(WebView)findViewById(R.id.webView); textView=(TextView)findViewById(R.id.textView); try{ ProgressAsyncTaskasyncTask=newProgressAsyncTask(webView,textView); asyncTask.execute(10000); }catch(Exceptione){ //TODOAuto-generatedcatchblock e.printStackTrace(); } } publicStringtest(){ StringBufferbuffer=newStringBuffer(); Documentdoc; try{ doc=Jsoup.connect("http://www.cnblogs.com/zyw-205520/").get(); ElementsListDiv=doc.getElementsByAttributeValue("class","postTitle"); for(Elementelement:ListDiv){ Elementslinks=element.getElementsByTag("a"); for(Elementlink:links){ StringlinkHref=link.attr("href"); StringlinkText=link.text().trim(); buffer.append("linkHref=="+linkHref); buffer.append("linkText=="+linkText); System.out.println(linkHref); System.out.println(linkText); } } }catch(IOExceptione){ //TODOAuto-generatedcatchblock e.printStackTrace(); } returnbuffer.toString(); } //弹出"查看"对话框 @Override protectedDialogonCreateDialog(intid){ switch(id){ caseDIALOG_KEY:{ ProgressDialogdialog=newProgressDialog(this); dialog.setMessage("获取数据中请稍候..."); dialog.setIndeterminate(true); dialog.setCancelable(true); returndialog; } } returnnull; } publicstaticStringreadHtml(Stringmyurl){ StringBuffersb=newStringBuffer(""); URLurl; try{ url=newURL(myurl); BufferedReaderbr=newBufferedReader(newInputStreamReader(url.openStream(),"gbk")); Strings=""; while((s=br.readLine())!=null){ sb.append(s+"\r\n"); } }catch(Exceptione){ e.printStackTrace(); } returnsb.toString(); } classProgressAsyncTaskextendsAsyncTask<Integer,Integer,String>{ privateWebViewwebView; privateTextViewtextView; publicProgressAsyncTask(WebViewwebView,TextViewtextView){ super(); this.webView=webView; this.textView=textView; } /** *这里的Integer参数对应AsyncTask中的第一个参数这里的String返回值对应AsyncTask的第三个参数 *该方法并不运行在UI线程当中,主要用于异步操作,所有在该方法中不能对UI当中的空间进行设置和修改 *但是可以调用publishProgress方法触发onProgressUpdate对UI进行操作 */ @Override protectedStringdoInBackground(Integer...params){ Stringstr=null; Documentdoc=null; try{ //Stringurl="http://www.cnblogs.com/zyw-205520/p/3355681.html"; // //doc=Jsoup.parse(newURL(url).openStream(),"utf-8",url); ////doc=Jsoup.parse(readHtml(url)); ////doc=Jsoup.connect(url).get(); //str=doc.body().toString(); doc=Jsoup.connect("http://www.cnblogs.com/zyw-205520/archive/2012/12/20/2826402.html").get(); ElementsListDiv=doc.getElementsByAttributeValue("class","postBody"); for(Elementelement:ListDiv){ str=element.html(); System.out.println(element.html()); } Log.d("doInBackground",str.toString()); System.out.println(str); //你可以试试GBK或UTF-8 }catch(Exceptione){ //TODOAuto-generatedcatchblock e.printStackTrace(); } returnstr.toString(); //returntest(); } /** *这里的String参数对应AsyncTask中的第三个参数(也就是接收doInBackground的返回值) *在doInBackground方法执行结束之后在运行,并且运行在UI线程当中可以对UI空间进行设置 */ @Override protectedvoidonPostExecute(Stringresult){ webView.loadData(result,"text/html;charset=utf-8",null); textView.setText(result); removeDialog(DIALOG_KEY); } //该方法运行在UI线程当中,并且运行在UI线程当中可以对UI空间进行设置 @Override protectedvoidonPreExecute(){ showDialog(DIALOG_KEY); } /** *这里的Intege参数对应AsyncTask中的第二个参数 *在doInBackground方法当中,,每次调用publishProgress方法都会触发onProgressUpdate执行 *onProgressUpdate是在UI线程中执行,所有可以对UI空间进行操作 */ @Override protectedvoidonProgressUpdate(Integer...values){ } } }
感谢阅读,希望能帮助到大家,谢谢大家对本站的支持!