如何使用Jsoup获取页面中所有带src属性的script标签

你的代码存在3个核心问题，导致无法拿到所有script标签的src属性：

• 没有针对src属性做筛选，遍历范围包含了所有内联script标签（即没有src、直接写脚本内容的标签）
• 取值逻辑错误，调用data()方法只能获取标签内部的文本内容，没有调用属性读取方法获取src值
• 循环中加了break关键字，匹配到第一个type为text/javascript的script就会终止遍历，无法拿到全部符合要求的标签

可以直接用Jsoup的属性选择器精准筛选目标标签，省去冗余的类型判断，代码如下：

Document doc = Jsoup.connect("http://www.example.com").timeout(10000).get();
// 选择所有带src属性的script标签
Elements scripts = doc.select("script[src]");

for (Element script : scripts) {
    // 读取src属性值，如果需要获取带域名的完整绝对路径，换成script.absUrl("src")即可
    String srcValue = script.attr("src");
    // 按需处理拿到的src值，比如存入集合、打印等
    System.out.println(srcValue);
}

如果需要严格过滤仅JS类型的外部脚本，可以把选择器替换为script[src][type="text/javascript"]，注意现在默认不带type属性的script标签都会被浏览器识别为JavaScript脚本，非特殊场景不需要加这个过滤条件。

内容的提问来源于stack exchange，提问作者Rqs