「Groovy」- 操作 HTML 文档

  CREATE BY JENKINSBOT
原文链接:「Groovy」- 操作 HTML 文档
文章分类:「05.Programming_Language:6.Apache_Groovy:4.Package_Managers_and_Build_Tools:HTML」
文章标识:「ff5aa53b」

问题描述

Jenkins Pipeline 中,我们需要对 HTML 文档进行多种操作。之前使用 XMLParser 及 XMLSlurper 库操作 HTML 文档时遇到很多问题,因为 HTML 文档结构松散(比如没有结束标签等等),不是标准的 XML 文件,因此导致 XML 解析失败。

我们现在使用 Jsoup 操作 HTML 文档,该笔记将整理:使用 Jsoup 操作 HTML 文档的常用方法

相关链接

项目主页:jsoup Java HTML Parser, with the best of HTML5 DOM methods and CSS selectors.
获取文档的 DOM 对象:Parsing and traversing a Document: jsoup Java HTML parser
使用选择器选择元素:Use selector-syntax to find elements: jsoup Java HTML parser
元素的查找、获取、操作:Use DOM methods to navigate a document: jsoup Java HTML parser

简单的入门示例

@Grab(group='org.jsoup', module='jsoup', version='1.10.1')
import org.jsoup.Jsoup

def htmlString = "<html><head><title>Title of Page</title></></head></html>"
def htmlDocument = Jsoup.parse(htmlString)
println htmlDocument.getElementsByTag("title").text()

注意事项

如果可能,尽量不要使用任何 XML 类库操作 HTML 文本。

参考文献

Html Slurping in Groovy
Use DOM methods to navigate a document