栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Java

Java调用Jsoup解析网页

Java 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

Java调用Jsoup解析网页

1. maven引入jar包

  org.jsoup
  jsoup
  1.10.2

2. 解析代码示例
public ServerResponse getInfo(String str) throws IOException
    {
        // 
        String url = "https://www.xxxxxxxx.com/xxxxxxxx?q="+str;
        //Document document = Jsoup.parse(new URL(url),30000);
        // 基本信息
        Connection conn = Jsoup.connect(url).timeout(5000);
        conn.header("Accept", "text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,**;q=0.8");
        connlink.header("Accept-Encoding", "gzip, deflate, sdch");
        connlink.header("Accept-Language", "zh-CN,zh;q=0.8");
        connlink.header("User-Agent", "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/55.0.2883.87 Safari/537.36");
        Document documentLink = connlink.get();
        Elements article = documentLink.getElementsByClass("article");
        Element detailInfo = article.first();
        String imgSrc = detailInfo.getElementById("mainpic").select("img").attr("src");
        Element baseInfo = detailInfo.getElementById("info");
        // String cbs = baseInfo.select("a").text();
        String intro = detailInfo.getElementsByClass("intro").get(0).select("p").html(); // 书籍简介
        String authorDetail = detailInfo.getElementsByClass("intro").get(1).select("p").html(); // 作者简介
        String infoDetail = baseInfo.toString().replaceAll("]+>", "");// 去掉字符串中的html信息 
        Map result = analyseBookInfo(infoDetail);// 获取明细信息
        // 返回结果
        // Map result = new HashMap<>();
        result.put("bookName",name);
        // result.put("info",getText(baseInfo.toString()));
        result.put("info",infoDetail);
        result.put("isbn",isbn);
        result.put("imgSrc","https://images.weserv.nl/?url="+imgSrc);
        //result.put("cbs",cbs);
        result.put("intro",intro);
        result.put("authorDetail",authorDetail);
        return ServerResponse.createBySuccess(result);
    }

    public Map analyseBookInfo(String oldStr){
        Map resultMap = new HashMap<>();
        if(!StringUtils.isEmpty(oldStr)){
            oldStr = oldStr.replace(" ","");
            String[] infoSplit = oldStr.split("n");
            System.out.println(infoSplit[0]);
            for(int i=0;i
                if(infoSplit[i].indexOf(":") > 0){
                    if("文本1".equals(filedSplit[0])){
                        resultMap.put("page",filedSplit[1]);
                    }
                }
            }
        }
        return resultMap;
    }
转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/1005892.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号