【使用JSOUP实现网络爬虫】从元素抽取属性，文本和HTML

问题

在解析获得一个Document实例对象，并查找到一些元素之后，你希望取得在这些元素中的数据。

方法

• 要取得一个属性的值，可以使用Node.attr(String key) 方法

• 对于一个元素中的文本，可以使用Element.text()方法

• 对于要取得元素或属性中的HTML内容，可以使用Element.html(), 或 Node.outerHtml()方法

示例：

1. String html = "<p>An <a href='http://example.com/'><b>example</b></a> link.</p>";  

2. Document doc = Jsoup.parse(html);//解析HTML字符串返回一个Document实现  

3. Element link = doc.select("a").first();//查找第一个a元素  

4.   

5. String text = doc.body().text(); // "An example link"//取得字符串中的文本  

6. String linkHref = link.attr("href"); // "http://example.com/"//取得链接地址  

7. String linkText = link.text(); // "example""//取得链接地址中的文本  

8.   

9. String linkOuterH = link.outerHtml();   

10.     // "<a href="http://example.com"><b>example</b></a>"  

11. String linkInnerH = link.html(); // "<b>example</b>"//取得链接内的html内容  

方法是元素数据访问的核心办法。此外还其它一些方法可以使用：

• Element.id()

• Element.tagName()

• Element.className() and Element.hasClass(String className)

这些访问器方法都有相应的setter方法来更改数据.

参见

• Element和Elements集合类的参考文档

• URLs处理

• 使用CSS选择器语法来查找元素

•