java - Java - 使用 Jsoup 获取脚本标签内的文本

Question

我正在使用 Jsoup 库来读取 URL。此网址在几个<script>标签中包含文本。我可以获取每个<script>标签中的文本吗？请注意，我不是要求解析 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());
}

这是源代码中脚本标签之一的样子：

<script type="text/javascript">
(function() {
...
})();
</script>

Answer 1

是的。您可以使用Element#getElementsByTag()来获取所有script标签。每个脚本标签将由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("-------------------");            
  }

Answer 2

或者，您可以使用Element#html()返回元素内部 html 的方法。

从 1.11.1开始：使用有效Element#selectFirst()的方法来查找脚本元素。

文档 doc = Jsoup.connect("http://www.example.com").timeout(10000).get();
元素 scriptElement = doc.selectFirst("script");

// 不要忘记检查scriptElement是否为空...

字符串 jsCode = scriptElement。html() ; 

直到 Jsoup 1.10.3：组合Element#select()并Elements#first()调用以查找脚本元素。

文档 doc = Jsoup.connect("http://www.example.com").timeout(10000).get();
元素 scriptElement = doc.select("script").first();

// 不要忘记检查scriptElement是否为空...

字符串 jsCode = scriptElement。html() ; 

Answer 3

Document doc = Jsoup.parse(html);
Elements scripts = doc.getElementsByTag("script");
for (Element script : scripts) {
    System.out.println(script.data());
}

Answer 4

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;
    }
}