使Jsoup仅加载所需的资源？

Question

我想加载一个用于抓取目的的网站代码。

该网站充满了不相关的图片和各种网站（如Facebook）的各种连接。这显然会增加加载时间。

我真的只想阅读页面内容，而不是所有其他不必要的内容。有没有办法禁用外部资源加载？

我可以提供代码，但它中包含Jsoup.connect的单行（原因很明显）。

Answer 1

在使用Jsoup加载页面之前，您无法过滤（删除）部分页面 Jsoup只会加载HTML，所以它不会加载图片或Javascript。在加载页面之前，您可以验证您是否获得了正确的内容 - 许多站点包含多个HTML文件，因此请打开浏览器的开发人员工具，访问该站点，查看获取该站点时获得的文件并检查每个文件。他们来决定你是否需要它 这是我浏览SO时得到的结果：

正如您所看到的 - 它有14个文件，但很容易识别哪个是HTML，然后查看它是否有任何有趣的内容。