jsoup解析html 用法
这里先用正则表达式做个小测试吧：
String html="pic1:![\"\"/]()
pic2: ![\"\"/](\"/image/751/3.jpg\")
,pic3:![\"\"/](\"/image/132/5.jpeg\")
";Pattern p = Pattern.compile("]+src\\s*=\\s*['\"]([^'\"]+)['\"][^>]*>" );Matcher m = p.matcher(html);while(m.find()){//整个img标签System.out.println("img标签-------------"+m.group());//src属性System.out.println("src属性-------------"+m.group(1));}![\"\"/](\"/image/261/1.jpeg\")
pic2: - 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
img标签-------------![]()
src属性-------------/image/261/1.jpeg
img标签-------------
src属性-------------/image/751/3.jpg
img标签-------------
src属性-------------/image/132/5.jpeg
src属性-------------/image/261/1.jpeg
img标签-------------http://domestic.firefox.sina.com/17/0412/08/4OPJ52GTXH0M3V9W.html
部分源代码
<li><a href="http://domestic.firefox.sina.com/" title="国内">国内a>li><li><a href="http://world.firefox.sina.com/" title="国际">国际a>li><li><a href="http://mil.firefox.sina.com/" title="军事">军事a>li><li><a href="http://photo.firefox.sina.com/" title="图片">图片a>li><li><a href="http://society.firefox.sina.com/" title="社会">社会a>li><li><a href="http://ent.firefox.sina.com/" title="娱乐">娱乐a>li><li><a href="http://tech.firefox.sina.com/" title="科技">科技a>li><li><a href="http://sports.firefox.sina.com/" title="体育">体育a>li><li><a href="http://finance.firefox.sina.com/" title="财经">财经a>li><li><a href="http://auto.firefox.sina.com/" title="汽车">汽车a>li> - 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
<img src="http://img.firefoxchina.cn/2016/07/1/201607131534240.png" alt="新浪国内">
<img src="/static/images/photo.jpg" data-original="http://n.sinaimg.cn/news/crawl/20170412/tUlE-fyecrxv5553275.jpg" alt="衡水中学进浙江引热议 当地校长:办学还是办厂">
<img src="/static/images/photo.jpg" data-original="http://n.sinaimg.cn/news/transform/20170412/NCxo-fyecfam0409134.jpg" alt="《奔跑吧兄弟》被指抄袭葫芦娃 被诉索赔200万">
<img src="/static/images/photo.jpg" data-original="http://n.sinaimg.cn/news/transform/20170412/QEZ5-fyecfam0405087.jpg" alt="对抗巡视组 他们用特咸饭菜等招数公开挑衅">
<img src="/static/images/photo.jpg" data-original="http://n.sinaimg.cn/news/transform/20170412/TfuR-fyecezv3239499.jpg" alt="外媒:中国贸易商接通知退回十多船朝鲜煤炭">
<img src="/static/images/photo.jpg" data-original="http://n.sinaimg.cn/news/transform/20170412/eNkL-fyecezv3239189.jpg" alt="中国工资低？ 上海最低工资已超部分东欧国家">
<img src="/static/images/photo.jpg" data-original="http://n.sinaimg.cn/translate/20170412/hPZz-fyecezv3239988.jpg" alt="贵州省副省长慕德贵兼任省委宣传部部长(图)">
<img src="/static/images/photo.jpg" data-original="http://n.sinaimg.cn/translate/20170412/ufxr-fyecezv3235689.jpg" alt="一则公告让许晴王学兵等明星瞬间蒸发6000多万">
<img src="/static/images/photo.jpg" data-original="http://n.sinaimg.cn/news/crawl/20170412/4DGJ-fyecfam0401539.jpg" alt="武汉留美女生曾亲历美联航驱客:被壮汉架下飞机">
<img src="http://static.firefoxchina.cn/img/201701/7_587834a17cfee0.png">
<img src="http://static.firefoxchina.cn/img/201701/7_5876ea657366d0.png">- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;public class TestJsoup {public static void main(String[] args) throws Exception {Document doc = Jsoup.connect("http://domestic.firefox.sina.com/17/0412/08/4OPJ52GTXH0M3V9W.html").get(); //获取 带有src属性的img元素Elements imgTags = doc.select("img[src]");System.out.println("=====imgsTag===="+imgTags);for(Element element:imgTags){String src=element.attr("abs:src");//获取src的绝对路径String src2=element.attr("src");//获取src的绝对路径System.out.println("===src==="+src);System.out.println("===src2==="+src2);}//获取 带有href属性的a元素Elements aTag = doc.select("a[href]");System.out.println("=====aTag===="+aTag);for(Element element :aTag){String href=element.attr("href");System.out.println("===href==="+href);}//所有引用jpg图片的元素 Elements jpgs = doc.select("img[src$=.jpg]");for(Element element :jpgs){String src=element.attr("abs:src");System.out.println("===src==="+src);}}
}- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
- 13
- 14
- 15
- 16
- 17
- 18
- 19
- 20
- 21
- 22
- 23
- 24
- 25
- 26
- 27
- 28
- 29
- 30
- 31
- 32
- 33
- 34
- 35
- 36
- 37
- 38
String src=element.attr("abs:src");String src2=element.attr("src");
<p><img data-src="http://mmbiz.qpic.cn/mmbiz_jpg/LoyT0npAgkkRjJibID5PXg2zT6iarg9IMkdqpvGv58Fq9tSGUGibZibX2uYfibIryXPuwX44SRjGrY4JURnAvPqvaOQ/0?wx_fmt=jpeg" data-ratio="0.66625" data-w="800" src="http://mmbiz.qpic.cn/mmbiz_jpg/LoyT0npAgkkRjJibID5PXg2zT6iarg9IMkdqpvGv58Fq9tSGUGibZibX2uYfibIryXPuwX44SRjGrY4JURnAvPqvaOQ/640?wx_fmt=jpeg&tp=webp&wxfrom=5&wx_lazy=1" data-fail="0" alt="" />p>- 1
Document doc = Jsoup.connect("http://domestic.firefox.sina.com/17/0412/08/4OPJ52GTXH0M3V9W.html").get(); //获取 带有src属性的img元素Elements imgTags = doc.select("img[src]");for(Element element:imgTags){Attributes node=element.attributes();Iterator iterator=node.iterator();while (iterator.hasNext()) {Attribute attribute=iterator.next();String key=attribute.getKey();//属性中包含“src”字符串，但不是src的属性if (!key.equals("src")&&key.indexOf("src")!=-1) {//element.removeAttr(key);String otherSrc=attribute.getValue();System.out.println("====otherSrc===="+otherSrc);break;}}} 本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！