（java）Jsoup爬蟲學習--獲取網頁所有的圖片，鏈接和其他信息，並檢查url和文本信息

Jsoup爬蟲學習--獲取網頁所有的圖片，鏈接和其他信息，並檢查url和文本信息

此例將頁面圖片和url全部輸出，重點不太明確，可根據自己的需要輸出和截取；

 

import org.jsoup.Jsoup;
import org.jsoup.helper.Validate;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import java.io.IOException;

public class ListLinks {
    public static void main(String[] args) throws IOException {
        //將url賦值，初始化
        String url = "http://news.ycombinator.com/";
        print("url is %s...", url);
        //獲取頁面內容
        Document doc = Jsoup.connect(url).get();
        //將a標簽下的href元素取出
        Elements links = doc.select("a[href]");
        //將含src的元素取出 例如：src="s.gif"
        Elements media = doc.select("[src]");
        //將link標簽下的href元素取出
        Elements imports = doc.select("link[href]");
        //輸出含src的元素的個數
        print("\nMedia: (%d)", media.size());
        for (Element src : media) {
            //將tagname為img標簽的取出，並輸出
            if (src.tagName().equals("img"))
                //第一個為tagname,輸出的為img標簽；第二個為src等於號后面的參數值，為此處為url網址，第三個為圖片寬，第四個為圖片高，第五個為alt的參數值，此例為空
                print(" * %s: <%s> %sx%s (%s)",
                        src.tagName(), src.attr("abs:src"), src.attr("width"), src.attr("height"),
                        trim(src.attr("alt"), 20));
            else
                //若tagname不為img，則僅輸出三項內容
                print(" * %s: <%s>", src.tagName(), src.attr("abs:src"));
        }
        //輸出含link>href元素的個數
        print("\nImports: (%d)", imports.size());
        //循環每個link>href元素
        for (Element link : imports) {
            //第一個為tagname,輸出的為link標簽；第二個為href等於號后面的參數值，為此處為url網址;第三個為rel等號后面的參數值
            print(" * %s <%s> (%s)", link.tagName(),link.attr("abs:href"), link.attr("rel"));
        }
        //輸出含a>href元素的個數
        print("\nLinks: (%d)", links.size());
        for (Element link : links) {
            //第一個為tagname,輸出的為a標簽；第二個為href等於號后面的參數值，為此處為url網址;第三個為link標簽含的文本值，若超過35個字符則，截取前35個字符
            print(" * a: <%s>  (%s)", link.attr("abs:href"), trim(link.text(), 35));
        }
    }
    //重寫print
    private static void print(String msg, Object... args) {
        System.out.println(String.format(msg, args));
    }
    //重寫trim
    private static String trim(String s, int width) {
        if (s.length() > width)
            return s.substring(0, width-1) + ".";
        else
            return s;
    }
}

此處還用到了java占位符：

int year=2017;
int month=6;
int day=1;</P>
String str=String.format("今天是%d年%d月%d日，祝大家兒童節快樂！！！",
                         year, month, day);

代碼中的String.format方法，用來使用占位符拼接字符串數據，具有類型效果的還有用於打印的：
System.out.printf("format string",  Object...args)

其中的 %d 就表示一個十進制整數位置，這個位置會由后面參數補充后組成新的字符串

以下是所有的占位符及簡要說明：
%s 字符串
%c 字符
%d 整數(十進制)
%x 整數(十六進制)
%o 整數(八進制)
%f 浮點型(十進制)
%a 浮點型(十六進制)
%e 指數類型9.38e+5
%g 通用浮點類型(f和e類型中較短的)
%n 換行\r\n
%% 百分號%

%tF 日期2017-05-09
%tT 時間08:52:59
%tA 星期一
%tZ 區時CTS
%tz 區時+0800
%tY 年份2017
%ty 年份17
%tm 月份05
%td 日期09
%tH 小時08
%tM 分鍾52
%tS 秒鍾59
%tL 毫秒999