Java HTML解析

要从网站获取数据，首先必须了解HTML文档的结构。 HTML 元素使用标签进行组织，标签指定每个元素的类型和内容。

例如，以下 HTML 表示具有特定 CSS 类的 div 标签：

要在 Java 中查找并检索此标记中的数据，您可以使用 Java HTML 解析器库。一种选择是 jsoup，它允许使用类似 jQuery 的语法进行方便的 HTML 解析：

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;

String html = "
Data to be scraped
";
Document doc = Jsoup.parse(html);

boolean usesClass = doc.select("div.classname").hasAttr("class");
String text = doc.select("div.classname").text();
String link = doc.select("div.classname").attr("href");

使用jsoup，您可以轻松检查元素是否具有特定类、检索其文本内容或获取任何元素它可能具有的属性。