BT

如何利用碎片时间提升技术认知与能力? 点击获取答案

开源HTML解析工具包jsoup 1.3.1发布

| 作者 崔康 关注 0 他的粉丝 发布于 2010年8月27日. 估计阅读时间: 2 分钟 | 如何结合区块链技术,帮助企业降本增效?让我们深度了解几个成功的案例。

jsoup是一款开源的HTML解析工具包,采用Java语言编写,通过精巧的API充分利用DOM、CSS和类jquery的方法抽取和操作数据。最近,jsoup 1.3.1正式发布,对上一版(1.2.3)做了重要更新,包括完成自主实现(无外部依赖)、改进Web连接方法等。

随着Web应用的不断发展,开发人员有时需要通过HTML解析功能实现客户需求。读者朋友可能对老牌HTML Parser Java库比较熟悉。其实,jsoup也是为了方便开发人员实现HTML解析而刚刚诞生(2010年初发起)的一款工具包。jsoup的主要功能包括:

  • 解析,通过URL、文件或者字符串来分析HTML文档。
  • 查找,通过DOM遍历或者CSS选择器来寻找和抽取数据。
  • 操作,处理HTML元素、属性和文本。
  • 检查,通过白名单机制来保护HTML内容的安全。

jsoup 1.3.1的主要更新包括:

  • 完成了自主实现,在之前的版本中,jsoup依赖于Apache Commons-Lang的一些方法,如HTML内容解析等。在新版中,这些方法完全自主实现,不再需要外部依赖。一方面减少JVM的内存消耗,另一方面有助于开发人员入门。
  • 改进Web连接方法,jsoup现在支持一种方便的connection接口,即Jsoup.connect(String url)。这种方法允许开发人员快捷地创建HTTP请求,包括指定用户代理、cookie、超时等等。方法的返回值可以直接被解析成Document。示例代码如下:
Document doc = Jsoup.connect("http://example.com")
  .data("query", "Java")
  .userAgent("Mozilla")
  .cookie("auth", "token")
  .timeout(3000)
  .post();  
  • 增加了一些便捷方法,如Element.ownText()、Document.OutputSettings.prettyPrint(boolean)等。
  • 改进了文档解析的性能
  • 修补了一些Bug

感兴趣的读者朋友可以下载jsoup试用,查看其使用手册文档说明。jsoup采用MIT协议开源,目前在GitHub上进行开发和维护,喜欢深究的朋友可以在此查看源代码

评价本文

专业度
风格

您好,朋友!

您需要 注册一个InfoQ账号 或者 才能进行评论。在您完成注册后还需要进行一些设置。

获得来自InfoQ的更多体验。

告诉我们您的想法

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

jquery风格的,不错哦! by hu popoer

jquery风格的,不错哦!

Re: jquery风格的,不错哦! by 崔 康

jsoup作为新生力量,发展得比较快!
jquery风格的,不错哦!

明明是Javascript嘛 by liu shimin

是java 还是Javascript?

Re: 明明是Javascript嘛 by 崔 康

是java 还是Javascript?

您好,jsoup是一套Java库

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

4 讨论

登陆InfoQ,与你最关心的话题互动。


找回密码....

Follow

关注你最喜爱的话题和作者

快速浏览网站内你所感兴趣话题的精选内容。

Like

内容自由定制

选择想要阅读的主题和喜爱的作者定制自己的新闻源。

Notifications

获取更新

设置通知机制以获取内容更新对您而言是否重要

BT