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；
jsoup 是基于 MIT 协议发布的，可放心使用于商业项目。
jsoup 可以从包括字符串、URL 地址以及本地文件来加载 HTML 文档，并生成 Document 对象实例。
Document
每个载入浏览器的 HTML 文档都会成为 Document 对象。
Document 对象使我们可以从脚本中对 HTML 页面中的所有元素进行访问。
提示：Document 对象是 Window 对象的一部分，可通过 window.document 属性对其进行访问。
Element
在 HTML DOM 中，Element 对象表示 HTML 元素。
文本节点Element 对象可以拥有类型为元素节点、、注释节点的子节点。
NodeList 对象表示节点列表，比如 HTML 元素的子节点集合。
元素也可以拥有属性。属性是属性节点。
Node
在 HTML DOM （文档对象模型）中，每个部分都是节点：
文档本身是文档节点
所有 HTML 元素是元素节点
所有 HTML 属性是属性节点
HTML 元素内的文本是文本节点
注释是注释节点
代码：
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.*;
import java.net.MalformedURLException;
import java.net.URL;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
/**
*
* 苏宁易购 图片爬虫
*
* */
public class GetPic {
/**
* 获取所有的图片列表页面
* url：苏宁易购的首页网址
* return map<图片的种类，图片下载的父链接>
*
* */
public static Map<String,String> getAllPicPage(String url){
Map<String,String> map=new HashMap<>();
try {
Document document= Jsoup.connect(url)
.userAgent("Mozilla/5.0 (Windows NT 10.0; WOW64; rv:52.0) Gecko/20100101 Firefox/52.0")
.header("Host","res.suning.cn")
.header("Accept-Encoding","gzip, deflate, br")
.get();
Elements elements= document.select(".hcList-wrapper")
.select(".hcList")
.select("ul")
.select("li").select("a");
for(Element element:elements){
String subUrl=element.attr("href");
System.out.println("href:"+subUrl);
System.out.println(element.text());
map.put(element.text(),subUrl);
}
} catch (IOException e) {
e.printStackTrace();
}
return map;
}
/**
* 获取所有的图片列表页面
* title ：图片所属的种类
* url:图片下载的路径
* return list<图片种类-图片下载的路径>
* */
public static List<String> getAllPicPageFromOnePage(String title,String url){
List<String> list=new ArrayList<>();
try {
Document document= Jsoup.connect(url)
.userAgent("Mozilla/5.0 (Windows NT 10.0; WOW64; rv:52.0) Gecko/20100101 Firefox/52.0")
.header("Accept-Encoding","gzip, deflate, br")
.header("Host","res.suning.cn")
.get();
Elements elements= document.select(".good-show").select("div").select("a").select(".pic-show").select("img");
for(Element element:elements){
String src=title+"-"+element.attr("lazy-src");
System.out.println(src);
list.add(src);
}
} catch (IOException e) {
e.printStackTrace();
}
return list;
}
/**
* 下载图片指定的title目录上
* title ：图片所属的种类
* fileName:图片名
* src:图片的下载路径
*
* */
public static void downloadPic(String title,String fileName,String src){
try {
URL url = new URL(src);
BufferedInputStream bis = new BufferedInputStream(url.openConnection().getInputStream());
byte myArray[] = new byte[1024*1024];
int len = 0;
File file=new File("E://images/" +title+"/");
if(!file.exists()){
file.mkdirs();
}
BufferedOutputStream bos = new BufferedOutputStream(new FileOutputStream("E://images/" +title+"/"+ fileName));
while((len = bis.read(myArray)) != -1){
bos.write(myArray, 0, len);
}
bos.flush();
bos.close();
bis.close();
System.out.println("图片：" + fileName +" ------>下载成功！");
} catch (MalformedURLException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
}
/**
*
* 得到标题
* */
public static String getTitleFromUrl(String url){
int firstIndex= url.indexOf("-");
String title=url.substring(0,firstIndex);
return title;
}
/**
*
*得到图片的下载路径
* */
public static String getSrcFromUrl(String url){
int firstIndex= url.indexOf("-");
String src="http:"+url.substring(firstIndex+1);
return src;
}
/**
* 将图片下载地址进行切割，得到图片名
*
*
* */
public static String getNameFromUrl(String url){
//找到最后一个 "/" 的位置
int beginIndex = url.lastIndexOf("/");
//截取 "/" 后面的内容
String name = url.substring(beginIndex + 1);
//处理文件名
int index= name.lastIndexOf(".");
String subName= name.substring(index);
if(subName.contains("jpg") && subName.length()>3){
subName="jpg";
name=name.substring(0,index+1).concat(subName);
}
if(subName.contains("png") && subName.length()>3){
subName="png";
name=name.substring(0,index+1).concat(subName);
}
return name;
}
public static void downloadAll(){
Map<String,String> map= getAllPicPage("https://www.suning.com");
for(Map.Entry<String,String> entry:map.entrySet()){
List<String> list= getAllPicPageFromOnePage(entry.getKey(),entry.getValue());
for(String url:list){
String title=getTitleFromUrl(url);
String fileName=getNameFromUrl(url);
String src=getSrcFromUrl(url);
downloadPic(title,fileName,src);
}
}
}
public static void main(String[] args){
downloadAll();
}
}
这是本人初学Jsoup 写的代码，如果有什么不足的地方，可以评论交流