Java - 使用Jsoup获取script标签内的文本

Question

我正在使用Jsoup库读取一个URL，这个URL包含在一些<script>标签中的文本。请问我是否可以获取每个<script>标签内的文本？请注意，我不是在请求解析Javascript文件，因为我已经知道JSoup不允许那样做。实际的源代码中有文本在一个script标签内，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());
}

这是源代码中一个脚本标签的样子：

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

- M9A

Answer 1

是的，您可以使用Element#getElementsByTag()方法获取所有的script标签。每个脚本标签将由DataNode表示。

 Document doc =Jsoup.connect("https://dev59.com/IWQn5IYBdhLWcg3wgnXg").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("-------------------");            
  }

- Ken Chan

---

谢谢@KenChan，它完美地工作了，我正在使用String scriptdata = node.getWholeData(); 但是如何只获取页面上的第二个脚本？ - Florida

Answer 2

或者，你可以使用 Element#html() 方法来返回元素的内部 html。

自 1.11.1 版本起： 使用高效的 Element#selectFirst() 方法查找脚本元素。

Document doc = Jsoup.connect("http://www.example.com").timeout(10000).get();
Element scriptElement = doc.selectFirst("script");
// 不要忘记检查 scriptElement 不为 null...
String jsCode = scriptElement.html(); 

Jsoup 1.10.3 及之前版本： 结合 Element#select() 和 Elements#first() 方法调用以查找脚本元素。

Document doc = Jsoup.connect("http://www.example.com").timeout(10000).get();
Element scriptElement = doc.select("script").first();
// 不要忘记检查 scriptElement 不为 null...
String jsCode = scriptElement.html(); 

- Stephan

Answer 3

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

- Mojtaba Yeganeh

---

尽管这段代码可能回答了问题，但提供有关它为什么和/或如何回答问题的额外背景信息将显着提高其长期价值。请 [编辑] 您的回答以添加一些说明。 - Toby Speight

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;
    }
}

- shahrukhcodes

---

你可以使用“cssQuery”语法简化代码，如下所示：Elements scripts = doc.select("script[type=text/javascript]"); - Tanzer