我正在使用Jsoup库来读取URL。此网址包含几个<script>
标记内的文字。我可以在每个<script>
标签中获取文字吗?请注意,我并不是要求解析Javascript文件,因为我已经知道JSoup不允许这样做。 URL的实际源代码在脚本标记中包含文本,我需要它。
doc = Jsoup.connect("http://www.example.com").timeout(10000).get();
Element div = doc.select("script").first();
for (Element element : div.children()) {
System.out.println(element.toString());
}
这是源代码中的一个脚本标记:
<script type="text/javascript">
(function() {
...
})();
</script>
答案 0 :(得分:24)
是。您可以使用Element#getElementsByTag()获取所有script
代码。每个脚本标记都将由DataNode表示。
Document doc =Jsoup.connect("http://stackoverflow.com/questions/16780517/java-obtain-text-within-script-tag-using-jsoup").timeout(10000).get();
Elements scriptElements = doc.getElementsByTag("script");
for (Element element :scriptElements ){
for (DataNode node : element.dataNodes()) {
System.out.println(node.getWholeData());
}
System.out.println("-------------------");
}
答案 1 :(得分:22)
或者,您可以使用返回元素内部html的Element#html()
方法。
自1.11.1以来:使用高效Element#selectFirst()
方法查找脚本元素。
Document doc = Jsoup.connect("http://www.example.com").timeout(10000).get(); Element scriptElement = doc.selectFirst("script"); // Don't forget to check scriptElement is not null... String jsCode = scriptElement.html();
最多Jsoup 1.10.3 :结合Element#select()
和Elements#first()
来调查脚本元素。
Document doc = Jsoup.connect("http://www.example.com").timeout(10000).get(); Element scriptElement = doc.select("script").first(); // Don't forget to check scriptElement is not null... String jsCode = scriptElement.html();
答案 2 :(得分:7)
Document doc = Jsoup.parse(html);
Elements scripts = doc.getElementsByTag("script");
for (Element script : scripts) {
System.out.println(script.data());
}
答案 3 :(得分:0)
根据您的情况,解决方案如下。
Document doc = Jsoup.connect("http://www.example.com").timeout(10000).get();
Elements scripts = doc.select("script");
for (Element script : scripts) {
String type = script.attr("type");
if (type.contentEquals("text/javascript")) {
String scriptData = script.data(); // your text from the script
break
}
}