如何从任意HTML页面里提取正文

html-css023

如何从任意HTML页面里提取正文,第1张

<!DOCTYPE HTML>

<html>

<meta charset="UTF-8" />

<head>

<title></title>

</head>

<script src="http://libs.baidu.com/jquery/2.0.0/jquery.min.js"></script>

<style type="text/css">

</style>

<body>

<label class="goal">label的text默认内容</label>

<input type="text" name="" id="mytext" value="" placeholder="输入内容,改变左边文字" />

<button id="confirm">点击赋值以及获取</button>

</body>

<script type="text/javascript">

$(function() {

$('#confirm').click(function() {

var newstr = $('#mytext').val()

$('.goal').text(newstr)

alert('你获取了label的text:' + $('.goal').text())

})

})

</script>

</html>

Jsoup从Html文件中提取正文内容

示例代码:

File input = new File("/tmp/input.html")

Document doc = Jsoup.parse(input, "UTF-8", "/example.com/")

Element content = doc.getElementById("content")

Elements links = content.getElementsByTag("a")

for (Element link : links) {

String linkHref = link.attr("href")

String linkText = link.text()

}

jsoup是一款Java的HTML解析器,可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API,可通过DOM,CSS以及类似于JQuery的操作方法来取出和操作数据。

jsoup的主要功能如下:

1. 从一个URL,文件或字符串中解析HTML;

2.使用DOM或CSS选择器来查找、取出数据;

3. 可操作HTML元素、属性、文本;