如何将Jsoup文档保存到HTML文件?
我使用此方法将网页检索到org.jsoup.nodes.Document
对象:
myDoc = Jsoup.connect(myURL).ignoreContentType(true).get();
我该如何将这个对象写入HTML文件? myDoc.html()
, myDoc.text()
和myDoc.toString()
不输出文档的所有元素。
javascript元素中的某些信息在解析时可能会丢失。 例如,Instagram媒体页面源中的“时间戳”。
有些元素被忽略的事实必须归功于Jsoup规范化的尝试。
为了在没有任何forms的规范化的情况下获得服务器的确切输出,请使用此方法。
Connection.Response html = Jsoup.connect("PUT_URL_HERE").execute(); System.out.println(html.body());
使用doc.outerHtml()
。
import org.apache.commons.io.FileUtils; public void downloadPage() throws Exception { final Response response = Jsoup.connect("http://www.example.net").execute(); final Document doc = response.parse(); final File f = new File("filename.html"); FileUtils.writeStringToFile(f, doc.outerHtml(), "UTF-8"); }
别忘了抓住exception。 添加依赖项或下载Apache commons-io库,以便以简单快捷的方式保存UTF-8格式的文件。