JSoup解析HTML入门教程详解
2026-02-13 19:18:52
0浏览
收藏
本文深入浅出地介绍了Java中轻量高效HTML解析利器jsoup的核心用法：从Maven/Gradle依赖引入，到灵活加载URL或字符串HTML、设置User-Agent与超时等关键请求参数，再到借助类CSS选择器精准提取标题、段落、链接、属性和文本等内容；同时明确指出其静态解析的本质局限——无法执行JavaScript，对AJAX动态渲染页面需结合API调用或Selenium等方案，并强调遵守robots.txt、控制请求频率等合规抓取原则，是Java开发者快速上手网页数据提取与爬虫开发的实用指南。
使用 jsoup 解析 HTML 是 Java 开发中处理网页内容的常用方式。它提供了非常简洁的 API 来提取和操作 HTML 数据，支持类似 CSS 选择器的语法，还能处理不规范的 HTML 结构。
1. 引入 jsoup 依赖
如果你使用 Maven，在 pom.xml 中添加以下依赖：
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.16.1</version>
</dependency>
Gradle 用户则在 build.gradle 添加：
implementation 'org.jsoup:jsoup:1.16.1'
2. 从字符串或 URL 加载 HTML
jsoup 可以直接解析 HTML 字符串，也可以从网络加载页面。
从 URL 加载：
Document doc = Jsoup.connect("https://example.com").get();
String title = doc.title();
设置请求参数（如超时、User-Agent）：
Document doc = Jsoup.connect("https://example.com")
.userAgent("Mozilla/5.0")
.timeout(3000)
.get();
解析本地 HTML 字符串：
String html = "<html><body><p class='content'>Hello jsoup!</p></body></html>"; Document doc = Jsoup.parse(html);
3. 使用选择器提取元素
jsoup 支持类似 CSS 选择器的方式查找元素。
- 获取标题：
doc.title() - 通过标签名获取：
doc.select("p") - 通过 class 获取：
doc.select(".content") - 通过 id 获取：
doc.select("#header") - 组合选择器：
doc.select("div.content p") - 获取属性值：
element.attr("href") - 获取文本内容：
element.text()
示例：提取所有链接的文本和地址
Elements links = doc.select("a[href]");
for (Element link : links) {
System.out.println("Text: " + link.text());
System.out.println("URL: " + link.attr("href"));
}
4. 处理动态内容与注意事项
jsoup 是基于静态 HTML 解析的，无法执行 JavaScript。如果目标页面内容由 AJAX 动态加载，直接用 jsoup 可能拿不到完整数据。
应对方法：
- 查看是否可通过 API 接口获取数据（如 JSON）
- 结合 Selenium 或 HtmlUnit 模拟浏览器行为
- 分析网络请求，模拟获取真实数据接口
另外注意遵守网站的 robots.txt 和服务条款，避免高频请求。
基本上就这些。jsoup 上手快，适合抓取静态网页内容，写爬虫或做内容提取都很方便。关键在于熟悉选择器语法和文档结构遍历方式。不复杂但容易忽略细节，比如编码、超时设置等。
理论要掌握，实操不能落！以上关于《JSoup解析HTML入门教程详解》的详细介绍，大家都掌握了吧！如果想要继续提升自己的能力，那么就来关注golang学习网公众号吧！
Python逐行读取URL解析网页内容技巧
- 上一篇
- Python逐行读取URL解析网页内容技巧
- 下一篇
- 应用宝家长模式开启与设置教程
查看更多
最新文章
-
- 文章 · 前端 | 2分钟前 |
- JavaScript高效排序算法有哪些？
- 310浏览 收藏
-
- 文章 · 前端 | 34分钟前 |
- CSS百分比与Flex布局小屏适配技巧
- 303浏览 收藏
-
- 文章 · 前端 | 37分钟前 |
- Three.js通过CDN加载STL模型方法
- 129浏览 收藏
-
- 文章 · 前端 | 41分钟前 |
- 查看TXT文件的HTML方法与工具推荐
- 394浏览 收藏
-
- 文章 · 前端 | 42分钟前 |
- Node.js架构优化与设计实战指南
- 386浏览 收藏
-
- 文章 · 前端 | 47分钟前 |
- HTML5滚动文字内嵌图片垂直居中方法
- 140浏览 收藏
-
- 文章 · 前端 | 51分钟前 |
- 鼠标移动或按键重置JS倒计时技巧
- 163浏览 收藏
-
- 文章 · 前端 | 55分钟前 |
- 一个函数轻松复制多个DOM元素
- 488浏览 收藏
-
- 文章 · 前端 | 58分钟前 |
- WebAssembly优化JavaScript性能全解析
- 438浏览 收藏
-
- 文章 · 前端 | 1小时前 |
- CSSactive伪类提升按钮点击反馈体验
- 411浏览 收藏
-
- 文章 · 前端 | 1小时前 |
- CSSlight-dark函数使用教程
- 269浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案，代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景，打造一站式知识长龙服务，适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例，全面具体可落地，从理论到实践，一步一步将GO核心编程技术、编程思想、底层实现融会贯通，使学习者贴近时代脉搏，做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信：Le-studyg；在课程中，我们将首先介绍MySQL8的新特性，包括性能优化、安全增强、新数据类型等，帮助学生快速熟悉MySQL8的最新功能。接着，我们将深入解析MySQL的网络通信机制，包括协议、连接管理、数据传输等，让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网，分为导航，轮播，关于我们，成功案例，服务流程，团队介绍，数据部分，公司动态，底部信息等内容区块。网站整体采用CSSGrid布局，支持响应式，有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- ChatExcel酷表
- ChatExcel酷表是由北京大学团队打造的Excel聊天机器人，用自然语言操控表格，简化数据处理，告别繁琐操作，提升工作效率！适用于学生、上班族及政府人员。
- 4004次使用
-
- Any绘本
- 探索Any绘本（anypicturebook.com/zh），一款开源免费的AI绘本创作工具，基于Google Gemini与Flux AI模型，让您轻松创作个性化绘本。适用于家庭、教育、创作等多种场景，零门槛，高自由度，技术透明，本地可控。
- 4335次使用
-
- 可赞AI
- 可赞AI，AI驱动的办公可视化智能工具，助您轻松实现文本与可视化元素高效转化。无论是智能文档生成、多格式文本解析，还是一键生成专业图表、脑图、知识卡片，可赞AI都能让信息处理更清晰高效。覆盖数据汇报、会议纪要、内容营销等全场景，大幅提升办公效率，降低专业门槛，是您提升工作效率的得力助手。
- 4215次使用
-
- 星月写作
- 星月写作是国内首款聚焦中文网络小说创作的AI辅助工具，解决网文作者从构思到变现的全流程痛点。AI扫榜、专属模板、全链路适配，助力新人快速上手，资深作者效率倍增。
- 5511次使用
-
- MagicLight
- MagicLight.ai是全球首款叙事驱动型AI动画视频创作平台，专注于解决从故事想法到完整动画的全流程痛点。它通过自研AI模型，保障角色、风格、场景高度一致性，让零动画经验者也能高效产出专业级叙事内容。广泛适用于独立创作者、动画工作室、教育机构及企业营销，助您轻松实现创意落地与商业化。
- 4588次使用
查看更多
相关文章
-
- JavaScript函数定义及示例详解
- 2025-05-11 502浏览
-
- 优化用户界面体验的秘密武器：CSS开发项目经验大揭秘
- 2023-11-03 501浏览
-
- 使用微信小程序实现图片轮播特效
- 2023-11-21 501浏览
-
- 解析sessionStorage的存储能力与限制
- 2024-01-11 501浏览
-
- 探索冒泡活动对于团队合作的推动力
- 2024-01-13 501浏览
