使用JSOUP实现网络爬虫:解析一个body片断
问题
假如你有一个HTML片断 (比如. 一个 div 包含一对 p 标签; 一个不完整的HTML文档) 想对它进行解析。这个HTML片断可以是用户提交的一条评论或在一个CMS页面中编辑body部分。
办法
使用Jsoup.parseBodyFragment(String html)方法.
String html = "<div><p>Lorem ipsum.</p>";
Document doc = Jsoup.parseBodyFragment(html);
Element body = doc.body();
说明
parseBodyFragment 方法创建一个空壳的文档,并插入解析过的HTML到body元素中。假如你使用正常的 Jsoup.parse(String html) 方法,通常你也可以得到相同的结果,但是明确将用户输入作为 body片段处理,以确保用户所提供的任何糟糕的HTML都将被解析成body元素。
Document.body() 方法能够取得文档body元素的所有子元素,与 doc.getElementsByTag("body")相同。
保证安全Stay safe
假如你可以让用户输入HTML内容,那么要小心避免跨站脚本攻击。利用基于 Whitelist 的清除器和 clean(String bodyHtml, Whitelist whitelist)方法来清除用户输入的恶意内容。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/
关注网络尖刀微信公众号
随时掌握互联网精彩
随时掌握互联网精彩
赞助链接
排名
热点
搜索指数
- 1 一图读懂新成立的信息支援部队 4918750
- 2 男子给27万彩礼订婚后准新娘自尽 4900838
- 3 多名中国移动用户未欠费被迫停机 4897198
- 4 乡村产业发展态势良好 4739685
- 5 伊朗外长:“袭击”伊朗武器像玩具 4609191
- 6 新人结婚当天邻居播放哀乐 4544752
- 7 侃爷出拳护妻被警方调查 4424684
- 8 女孩桥边哭泣 留下手机后跳桥 4327129
- 9 淄博赵大爷辟谣收徒弟要收钱 4224465
- 10 日元贬值 海外游客涌入日本扫货 4175501