使用JSOUP实现网络爬虫:从一个文件加载一个文档
问题
在本机硬盘上有一个HTML文件,需要对它进行解析从中抽取数据或进行修改。
办法
可以使用静态 Jsoup.parse(File in, String charsetName, String baseUri) 方法:
view plain copy print?
File input = new File("/tmp/input.html");
Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");
说明
parse(File in, String charsetName, String baseUri) 这个方法用来加载和解析一个HTML文件。如在加载文件的时候发生错误,将抛出IOException,应作适当处理。
baseUri 参数用于解决文件中URLs是相对路径的问题。如果不需要可以传入一个空的字符串。
另外还有一个方法parse(File in, String charsetName) ,它使用文件的路径做为 baseUri。 这个方法适用于如果被解析文件位于网站的本地文件系统,且相关链接也指向该文件系统。关注公众号:拾黑(shiheibook)了解更多
[广告]赞助链接:
四季很好,只要有你,文娱排行榜:https://www.yaopaiming.com/
让资讯触达的更精准有趣:https://www.0xu.cn/

随时掌握互联网精彩
赞助链接
排名
热点
搜索指数
- 1 旧物换新 万亿市场添“活力” 7904822
- 2 印度警方称坠机事故有1名幸存者 7808268
- 3 幸存者跳机逃生 自行从残骸中走出 7713421
- 4 中国外贸在复杂环境中稳健前行 7616085
- 5 印度失事客机乘客国籍公布 7523064
- 6 B站崩了 7429386
- 7 网警提醒:高考后考生家长仍需警惕 7330118
- 8 印度坠机已致地面多人死亡 7236200
- 9 42岁百万网红“草帽姐”确诊肝病 7143475
- 10 众星发文力挺邓紫棋 7040771