java 在html中获取内容

原创

mob64ca12f028ff 2023-09-24 05:56:57 ©著作权

文章标签 HTML apache Java 文章分类 Java 后端开发

©著作权归作者所有：来自51CTO博客作者mob64ca12f028ff的原创作品，请联系作者获取转载授权，否则将追究法律责任

Java在HTML中获取内容

HTML（Hypertext Markup Language）是一种用于创建网页的标准标记语言。在网页开发中，我们常常需要从HTML中获取内容，进行处理和操作。在Java中，我们可以使用各种库和工具来实现这一目标。本文将介绍如何使用Java在HTML中获取内容，并提供相应的代码示例。

准备工作

在开始之前，我们需要准备以下工具和库：

Java开发环境（JDK）
一个HTML文件作为示例
一个用于HTTP请求和响应的Java库，例如Apache HttpClient或OkHttp
一个用于解析HTML的Java库，例如Jsoup或HtmlUnit

流程图

下面是Java在HTML中获取内容的基本流程图：

flowchart TD
    A[加载HTML文件] --> B[发送HTTP请求]
    B --> C[接收HTTP响应]
    C --> D[解析HTML内容]
    D --> E[获取所需内容]
    E --> F[处理和操作内容]

代码示例

使用Apache HttpClient发送HTTP请求

首先，我们需要使用Apache HttpClient库发送HTTP请求来获取HTML内容。下面是一个基本的示例：

import org.apache.http.HttpResponse;
import org.apache.http.client.HttpClient;
import org.apache.http.client.methods.HttpGet;
import org.apache.http.impl.client.HttpClientBuilder;
import org.apache.http.util.EntityUtils;

public class HttpClientExample {
    public static void main(String[] args) {
        HttpClient httpClient = HttpClientBuilder.create().build();
        HttpGet httpGet = new HttpGet("
        
        try {
            HttpResponse response = httpClient.execute(httpGet);
            String html = EntityUtils.toString(response.getEntity());
            
            // 在这里处理HTML内容
            System.out.println(html);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

使用Jsoup解析HTML内容

接下来，我们使用Jsoup库来解析HTML内容，并从中获取所需的内容。下面是一个简单的示例：

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class JsoupExample {
    public static void main(String[] args) {
        String html = "<html><body>Example<p>Hello, world!</p></body></html>";
        
        Document doc = Jsoup.parse(html);
        Element h1 = doc.select("h1").first();
        Elements paragraphs = doc.select("p");
        
        System.out.println(h1.text());
        System.out.println(paragraphs.text());
    }
}

完整示例

现在，让我们将上述两个示例结合起来，编写一个完整的示例来获取和操作HTML内容：

import org.apache.http.HttpResponse;
import org.apache.http.client.HttpClient;
import org.apache.http.client.methods.HttpGet;
import org.apache.http.impl.client.HttpClientBuilder;
import org.apache.http.util.EntityUtils;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class HtmlContentExample {
    public static void main(String[] args) {
        HttpClient httpClient = HttpClientBuilder.create().build();
        HttpGet httpGet = new HttpGet("

        try {
            HttpResponse response = httpClient.execute(httpGet);
            String html = EntityUtils.toString(response.getEntity());

            Document doc = Jsoup.parse(html);
            Element h1 = doc.select("h1").first();
            Elements paragraphs = doc.select("p");

            System.out.println(h1.text());
            System.out.println(paragraphs.text());
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

类图

下面是示例代码中涉及的类的简化类图：

classDiagram
    class HttpClient
    class HttpGet
    class HttpResponse
    class EntityUtils
    class Document
    class Element
    class Elements
    
    HttpClient --> HttpGet
    HttpClient --> HttpResponse
    EntityUtils --> HttpResponse
    Document ..> Element
    Document ..> Elements
    Element --> Elements