Jsoup 学习笔记

java clojure 笔记

使用 DOM Method 在文档中导航

使用 dom method 的方式就类似 js 原生方法的方式

File input = new File("/tmp/input.html");
Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");
Element content = doc.getElementById("content");
Elements links = content.getElementsByTag("a");
for (Element link : links) {
  String linkHref = link.attr("href");
  String linkText = link.text();
}

使用 getElementById 和 getElementByTag 来获取元素(和 js 中的同名方法一样, getElementsByTag 返回的是多个对象)
之后可以使用 attr() 和 text() 方法来获取属性和内容

在 clojure 里面, 使用的话就是 p, a 这样的字面量

使用 selector-syntax 來查找页面里面的元素

使用 Element.select(String selector) 和 Elements.select(String selector) 方法来查找元素

File input = new File("/tmp/input.html");
Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");
Elements links = doc.select("a[href]"); // a with href
Elements pngs = doc.select("img[src$=.png]");
  // img with src ending .png
Element masthead = doc.select("div.masthead").first();
  // div with class=masthead
Elements resultLinks = doc.select("h3.r > a"); // direct a after h3

可以使用正则, 比如
- [attr^=value]
- [attr~=regex]