java - 如何将 Jsoup 文档保存到 HTML 文件？

Question

我已使用此方法将网页检索到 org.jsoup.nodes.Document 对象中:

myDoc = Jsoup.connect(myURL).ignoreContentType(true).get();

我应该如何将此对象写入 HTML 文件？myDoc.html()、myDoc.text() 和 myDoc.toString() 方法不会输出文档的所有元素。

javascript 元素中的一些信息可能会在解析时丢失。例如，Instagram 媒体页面源中的“时间戳”。

Answer 1

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(), StandardCharsets.UTF_8);
    }

不要忘记捕获异常。添加依赖项或下载 Apache commons-io 库，以便轻松快捷地以 UTF-8 格式保存文件。