Java爬虫怎么实现Jsoup利用dom方法遍历Document对象-java教程-PHP中文网

先给出网页地址：

https://wall.alphacoders.com/featured.php?lang=Chinese

主要步骤：

利用Jsoup的connect方法获取Document对象

String html = "https://wall.alphacoders.com/featured.php?lang=Chinese";
Document doc = Jsoup.connect(html).get();

内容过长，就不再显示。

我们以这部分为例：

立即学习“Java免费学习笔记（深入）”；

 
    About Us 
    FAQ 
    Privacy Policy 
    Terms Of Service 
    Acceptable Use 
    Etiquette 
    Advertise With Us 
    Change Consent

我们先找到所有的ul：

企奶奶

一款专注于企业信息查询的智能大模型，企奶奶查企业，像聊天一样简单。

下载

Elements elements = doc.getElementsByTag("ul");

输出如下：

 
   提交  
   精美奖品  

 
   @@##@@   中文      
   登录  
   注册  

 
 zuojiankuohaophpcn 上一页 
 1 
 2 
 3 
 4 
 5 
 6 
 7 
 8 
 9 
 10 
 ... 
 319 
 下一页 youjiankuohaophpcn 

 
 zuojiankuohaophpcn 上一页 
 1 
 2 
 3 
 4 
 5 
 6 
 7 
 ... 
 319 
 下一页 youjiankuohaophpcn 

 
 zuojiankuohaophpcnzuojiankuohaophpcn  
 zuojiankuohaophpcn 上一页 
 下一页 youjiankuohaophpcn 
  youjiankuohaophpcnyoujiankuohaophpcn 

 
 1 
 2 
 3 
 4 
 5 
 6 
 7 

 
 About Us 
 FAQ 
 Privacy Policy 
 Terms Of Service 
 Acceptable Use 
 Etiquette 
 Advertise With Us 
 Change Consent

可以发现class为"nav nav-pills"的只有一个，我们找到它：

Elements elements = doc.getElementsByTag("ul");
        //System.out.println(elements);
Element tempElement = null;
for(Element element : elements) {
    if (element.className().equals("nav nav-pills")) {
        tempElement = element;
        //System.out.println(element.className());
        break;
    }
}

循环遍历这个ul，输出其中每一个li里每一个a的href和rel属性：

Elements li = tempElement.getElementsByTag("li");
for(Element element : li) {
    Elements element2 = element.getElementsByTag("a");
    for(Element element3 : element2) {
        String hrefString = element3.attr("href");
        String relString = element3.attr("rel");
        if(hrefString != "" && relString != "") {
            System.out.println("href=" + hrefString + " rel="external nofollow"  rel="external nofollow"  " + "rel=" + relString);
        }
    }
}

最终结果：

href=https://alphacoders.com/site/about-us rel=nofollowhref=https://alphacoders.com/site/faq rel=nofollowhref=https://alphacoders.com/site/privacy rel=nofollowhref=https://alphacoders.com/site/tos rel=nofollowhref=https://alphacoders.com/site/acceptable_use rel=nofollowhref=https://alphacoders.com/site/etiquette rel=nofollowhref=https://alphacoders.com/site/advertising rel=nofollow

完整代码：

import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.IOException;
import org.jsoup.Jsoup;


/** 
 * @ClassName: Jsoup_Test
 * @description: 
 * @author: KI
 * @Date: 2020年8月17日 下午8:15:14
 */

public class Jsoup_Test {

    public static void main(String[] args) throws IOException {
        // TODO 自动生成的方法存根
        
        String html = "https://wall.alphacoders.com/featured.php?lang=Chinese";
        Document doc = Jsoup.connect(html).get();
        
        System.out.println(doc);
        Elements elements = doc.getElementsByTag("ul");
        //System.out.println(elements);
        Element tempElement = null;
        for(Element element : elements) {
            if (element.className().equals("nav nav-pills")) {
                tempElement = element;
                //System.out.println(element.className());
                break;
            }
        }
        System.out.println(tempElement);
        Elements li = tempElement.getElementsByTag("li");
        for(Element element : li) {
            Elements element2 = element.getElementsByTag("a");
            for(Element element3 : element2) {
                String hrefString = element3.attr("href");
                String relString = element3.attr("rel");
                if(hrefString != "" && relString != "") {
                    System.out.println("href=" + hrefString + " rel="external nofollow"  rel="external nofollow"  " + "rel=" + relString);
                }
            }
        }        

    }

}