---
title: "Parseo de HTML con Java y jsoup"
slug: parse-html-with-jsoup
date: 2026-02-16T08:04:59+00:00
modified: 2026-02-16T08:05:00+00:00
permalink: https://brightdata.es/blog/datos-web/parse-html-with-jsoup
type: blog
---

[ Blog ](https://brightdata.es/blog "Blog") / [Datos web](https://brightdata.es/blog/datos-web)







 [Datos web](https://brightdata.es/blog/datos-web)

# Parseo de HTML con Java y jsoup

Domine el parseo HTML con jsoup en Java. Aprenda métodos DOM, maneje la paginación y optimice su flujo de trabajo de parseo con esta guía detallada.

 2 min de lectura





 [ ![Jacob Nulty](https://media.brightdata.es/2024/12/Jacob-Nulty-50x50.jpg) ](https://brightdata.com/blog/authors/jake-nulty)

 [Jake Nulty

Technical Writer

 ](https://brightdata.com/blog/authors/jake-nulty)





 ![Parsing HTML With Java and Jsoup blog image](https://media.brightdata.es/2025/02/Parsing-HTML-With-Java-and-Jsoup.svg)





Cuando se realiza el Scraping web, el parseo HTML es fundamental, independientemente de las herramientas que se utilicen.[El Scraping web con Java](/blog/how-tos/java-web-scraping) no es una excepción a esta regla. En Python, utilizamos herramientas como[Requests](/blog/web-data/python-requests-guide)y[BeautifulSoup](/blog/how-tos/beautiful-soup-web-scraping). Con Java, podemos enviar nuestras solicitudes HTTP y realizar el parseo de nuestro HTML utilizando[jsoup](https://jsoup.org/). Para este tutorial, utilizaremos[Books to Scrape](https://books.toscrape.com/).

## Introducción

En este tutorial, vamos a utilizar Maven para la gestión de dependencias. Si aún no lo tienes, puedes instalar Maven[aquí](https://maven.apache.org/install.html).

Una vez que hayas instalado Maven, debes crear un nuevo proyecto Java. El siguiente comando crea un nuevo proyecto, `jsoup-scraper`.

```none
mvn archetype:generate -DgroupId=com.example -DartifactId=jsoup-scraper -DarchetypeArtifactId=maven-archetype-quickstart -DinteractiveMode=false

```

A continuación, deberá añadir las dependencias pertinentes. Reemplace el código de`pom.xml`por el código siguiente. Es similar a la gestión de dependencias en[Rust](/blog/how-tos/web-scraping-with-rust)con Cargo.

```none
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
  xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/maven-v4_0_0.xsd">
  <modelVersion>4.0.0</modelVersion>
  <groupId>com.example</groupId>
  <ARTIFACTID>jsoup-scraper</ARTIFACTID>
  <PACKAGING>jar</PACKAGING>
  <VERSION>1.0-SNAPSHOT</VERSION>
  <NAME>jsoup-scraper</NAME>
  <URL>http://maven.apache.org</URL>
  <DEPENDENCIES>
    <dependency>
      <groupId>junit</groupId>
      <artifactId>junit</artifactId>
      <version>3.8.1</version>
      <scope>test</scope>
    </dependency>
    <dependency>
        <groupId>org.jsoup</groupId>
        <artifactId>jsoup</artifactId>
        <versión>1.16.1</versión>
    </dependencia>
  </dependencias>
  <propiedades>
    <maven.compiler.source>17</maven.compiler.source>
    <maven.compiler.target>17</maven.compiler.target>
</propiedades>
</proyecto>

```

Pega el siguiente código en `App.java`. No es mucho, pero es el Scraper básico a partir del cual construiremos.

```none
package com.example;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class App {
    public static void main(String[] args) {

        String url = "https://books.toscrape.com";
        int pageCount = 1;

        while (pageCount <= 1) {

            try {
                System.out.println("---------------------PÁGINA "+pageCount+"--------------------------");

                //conectarse a un sitio web y obtener su HTML
                Document doc = Jsoup.connect(url).get();

                //imprimir el título
                System.out.println("Título de la página: " + doc.title());


            } catch (Exception e) {
                e.printStackTrace();
            }
        }
        System.out.println("Total de páginas extraídas: "+(pageCount-1));
    }
}

```

- `Jsoup.connect("https://books.toscrape.com").get()`: esta línea recupera la página y devuelve un objeto`Document`que podemos manipular.
- `doc.title()`devuelve el título del documento HTML, en este caso:`Todos los productos | Libros para extraer - Sandbox`.

## <a></a>Uso de métodos DOM con Jsoup

jsoup contiene una variedad de métodos para encontrar elementos en el DOM (Modelo de objetos de documento). Podemos utilizar cualquiera de los siguientes para encontrar fácilmente elementos de la página.

- `getElementById()`: Busca un elemento utilizando su`id`.
- `getElementsByClass()`: Busca todos los elementos utilizando su clase CSS.
- `getElementsByTag()`: Busca todos los elementos utilizando su etiqueta HTML.
- `getElementsByAttribute()`: Encuentra todos los elementos que contienen un determinado atributo.

### <a></a>getElementById

En nuestro sitio de destino, la barra lateral contiene un `div` con un `id` de `promotions_left`. Puedes verlo en la imagen de abajo.

![Inspect the sidebar](https://media.brightdata.es/2025/02/Inspect-the-sidebar.png)```none
//obtener por Id
Element sidebar = doc.getElementById("promotions_left");

System.out.println("Sidebar: " + sidebar);

```

Este código muestra el elemento HTML que se ve en la página de inspección.

```none
Sidebar: <div id="promotions_left">
</div>

```

### <a></a>getElementsByTag

`getElementsByTag()` nos permite encontrar todos los elementos de la página con una etiqueta determinada. Veamos los libros de esta página.

Cada libro contiene una etiqueta de `artículo` única.

![Inspect books](https://media.brightdata.es/2025/02/Inspect-books.png)El código siguiente no imprimirá nada, pero devolverá una matriz de libros. Estos libros proporcionarán la base para el resto de nuestros datos.

```none
//obtener por etiqueta
Elements books = doc.getElementsByTag("article");

```

### <a></a>getElementsByClass

Veamos el precio de un libro. Como se puede ver resaltado, su clase es `price_color`.

![Inspect price](https://media.brightdata.es/2025/02/Inspect-price.png)En este fragmento, encontramos todos los elementos de la clase `price_color`. A continuación, imprimimos el texto del primero utilizando `.first().text()`.

```none
System.out.println("Precio: " + book.getElementsByClass("price_color").first().text());

```

### <a></a>getElementsByAttribute

Como ya sabrás, todos `los` elementos `a` requieren un atributo `href`. En el código siguiente, utilizamos `getElementsByAttribute("href")` para encontrar todos los elementos con un `href`. Utilizamos `.first().attr("href")` para devolver su `href`.

```none
//obtener por atributo
Elements hrefs = book.getElementsByAttribute("href");
System.out.println("Enlace: https://books.toscrape.com/" + hrefs.first().attr("href"));

```

## <a></a>Técnicas avanzadas

### <a></a>Selektores CSS

Cuando queremos utilizar varios criterios para buscar elementos, podemos pasar [selectores CSS](/blog/web-data/xpath-vs-css-selectors)al método`select()`. Este método devuelve una matriz de todos los objetos que coinciden con el selector. A continuación, utilizamos`li[class='next']`para buscar todos los elementos`li`con la clase`next`.

```none
Elementos nextPage = doc.select("li[class='next']");

```

### <a></a>Gestión de la paginación

Para gestionar nuestra paginación, utilizamos `nextPage.first()` para llamar `a getElementsByAttribute("href").attr("href")` en el primer elemento devuelto por la matriz y extraer su `href`. Curiosamente, después de la página 2, la palabra `«catálogo»` se elimina de los enlaces, por lo que, si no está presente en el `href`, la volvemos a añadir. A continuación, combinamos este enlace con nuestra URL base y lo utilizamos para obtener el enlace a la página siguiente.

```none
if (!nextPage.isEmpty()) {
    String nextUrl = nextPage.first().getElementsByAttribute("href").attr("href");
    if (!nextUrl.contains("catalogue")) {
        nextUrl = "catalogue/"+nextUrl;
    }
    url = "https://books.toscrape.com/" + nextUrl;
    pageCount++;
}

```

## <a></a>Poniendo todo junto

Este es nuestro código final. Si desea extraer más de una página, simplemente cambie el `1` en `while (pageCount <= 1)` por el objetivo deseado. Si desea extraer 4 páginas, utilice `while (pageCount <= 4)`.

```none
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class App {
    public static void main(String[] args) {

        String url = "https://books.toscrape.com";
        int pageCount = 1;

        while (pageCount <= 1) {

            try {
                System.out.println("---------------------PÁGINA "+pageCount+"--------------------------");

                //conectarse a un sitio web y obtener su HTML
                Document doc = Jsoup.connect(url).get();

                //imprimir el título
                System.out.println("Título de la página: " + doc.title());

                //obtener por Id
                Element sidebar = doc.getElementById("promotions_left");

                System.out.println("Barra lateral: " + barra lateral);

                //obtener por etiqueta
                Elements libros = doc.getElementsByTag("artículo");

                for (Element libro : libros) {
                    System.out.println("------Libro------");
                    System.out.println("Título: " + book.getElementsByTag("img").first().attr("alt"));
                    System.out.println("Precio: " + book.getElementsByClass("price_color").first().text());
                    System.out.println("Disponibilidad: " + book.getElementsByClass("instock availability").first().text());

                    //obtener por atributo
                    Elements hrefs = book.getElementsByAttribute("href");
                    System.out.println("Enlace: https://books.toscrape.com/" + hrefs.first().attr("href"));
                }

                //buscar el siguiente botón utilizando su selector CSS
                Elements nextPage = doc.select("li[class='next']");
                if (!nextPage.isEmpty()) {
                    String nextUrl = nextPage.first().getElementsByAttribute("href").attr("href");
                    if (!nextUrl.contains("catalogue")) {
                        nextUrl = "catalogue/"+nextUrl;
                    }
                    url = "https://books.toscrape.com/" + nextUrl;
                    pageCount++;
                }

            } catch (Exception e) {
                e.printStackTrace();
            }
        }
        System.out.println("Total de páginas recopiladas: "+(pageCount-1));
    }
}

```

Antes de ejecutar el código, recuerde compilarlo.

```none
mvn package

```

A continuación, ejecútelo con el siguiente comando.

```none
mvn exec:java -Dexec.mainClass="com.example.App"

```

Aquí está el resultado de la primera página.

```none
---------------------PÁGINA 1--------------------------
Título de la página: Todos los productos | Libros para rastrear - Sandbox
Barra lateral: <div id="promotions_left">
</div>
------Libro------
Título: Una luz en el ático
Precio: 51,77 £
Disponibilidad: En stock
Enlace: https://books.toscrape.com/catalogue/a-light-in-the-attic_1000/index.html
------Libro------
Título: Tipping the Velvet
Precio: 53,74 £
Disponibilidad: En stock
Enlace: https://books.toscrape.com/catalogue/tipping-the-velvet_999/index.html
------Libro------
Título: Soumission
Precio: 50,10 £
Disponibilidad: En stock
Enlace: https://books.toscrape.com/catalogue/soumission_998/index.html
------Libro------
Título: Sharp Objects (Objetos cortantes)
Precio: 47,82 £
Disponibilidad: En stock
Enlace: https://books.toscrape.com/catalogue/sharp-objects_997/index.html
------Libro------
Título: Sapiens: Una breve historia de la humanidad
Precio: 54,23 £
Disponibilidad: En stock
Enlace: https://books.toscrape.com/catalogue/sapiens-a-brief-history-of-humankind_996/index.html
------Libro------
Título: The Requiem Red
Precio: 22,65 £
Disponibilidad: En stock
Enlace: https://books.toscrape.com/catalogue/the-requiem-red_995/index.html
------Libro------
Título: The Dirty Little Secrets of Getting Your Dream Job
Precio: 33,34 £
Disponibilidad: En stock
Enlace: https://books.toscrape.com/catalogue/the-dirty-little-secrets-of-getting-your-dream-job_994/index.html
------Libro------
Título: The Coming Woman: Una novela basada en la vida de la famosa feminista Victoria Woodhull
Precio: 17,93 £
Disponibilidad: En stock
Enlace: https://books.toscrape.com/catalogue/the-coming-woman-a-novel-based-on-the-life-of-the-infamous-feminist-victoria-woodhull_993/index.html
------Libro------
Título: The Boys in the Boat: Nine Americans and Their Epic Quest for Gold at the 1936 Berlin Olympics (Los chicos del barco: nueve estadounidenses y su épica búsqueda del oro en los Juegos Olímpicos de Berlín de 1936)
Precio: 22,60 £
Disponibilidad: En stock.
Enlace: https://books.toscrape.com/catalogue/the-boys-in-the-boat-nine-americans-and-their-epic-quest-for-gold-at-the-1936-berlin-olympics_992/index.html
------Libro------
Título: The Black Maria (La María Negra)
Precio: 52,15 £
Disponibilidad: En stock
Enlace: https://books.toscrape.com/catalogue/the-black-maria_991/index.html
------Libro------
Título: Starving Hearts (Trilogía del comercio triangular, n.º 1)
Precio: 13,99 £
Disponibilidad: En stock
Enlace: https://books.toscrape.com/catalogue/starving-hearts-triangular-trade-trilogy-1_990/index.html
------Libro------
Título: Shakespeare's Sonnets (Sonetos de Shakespeare)
Precio: 20,66 £
Disponibilidad: En stock
Enlace: https://books.toscrape.com/catalogue/shakespeares-sonnets_989/index.html
------Libro------
Título: Set Me Free (Libérame)
Precio: 17,46 £
Disponibilidad: En stock
Enlace: https://books.toscrape.com/catalogue/set-me-free_988/index.html
------Libro------
Título: Scott Pilgrim's Precious Little Life (La preciosa vida de Scott Pilgrim) (Scott Pilgrim n.º 1)
Precio: 52,29 £
Disponibilidad: En stock
Enlace: https://books.toscrape.com/catalogue/scott-pilgrims-precious-little-life-scott-pilgrim-1_987/index.html
------Libro------
Título: Rip it Up and Start Again (Rompe y empieza de nuevo)
Precio: 35,02 £
Disponibilidad: En stock.
Enlace: https://books.toscrape.com/catalogue/rip-it-up-and-start-again_986/index.html
------Libro------
Título: Our Band Could Be Your Life: Scenes from the American Indie Underground, 1981-1991
Precio: 57,25 £
Disponibilidad: En stock
Enlace: https://books.toscrape.com/catalogue/our-band-could-be-your-life-scenes-from-the-american-indie-underground-1981-1991_985/index.html
------Libro------
Título: Olio
Precio: 23,88 £
Disponibilidad: En stock
Enlace: https://books.toscrape.com/catalogue/olio_984/index.html
------Libro------
Título: Mesaerion: Las mejores historias de ciencia ficción 1800-1849
Precio: 37,59 £
Disponibilidad: En stock
Enlace: https://books.toscrape.com/catalogue/mesaerion-the-best-science-fiction-stories-1800-1849_983/index.html
------Libro------
Título: Libertarianismo para principiantes
Precio: 51,33 £
Disponibilidad: En stock
Enlace: https://books.toscrape.com/catalogue/libertarianism-for-beginners_982/index.html
------Libro------
Título: It's Only the Himalayas (Solo es el Himalaya)
Precio: 45,17 £
Disponibilidad: En stock
Enlace: https://books.toscrape.com/catalogue/its-only-the-himalayas_981/index.html
Total de páginas recopiladas: 1

```

## <a></a>Conclusión

Ahora que ya sabes cómo extraer datos HTML con jsoup, puedes empezar a crear Scrapers web más avanzados. Ya sea que estés rastreando listados de productos, artículos de noticias o datos de investigación, manejar contenido dinámico y evitar bloqueos son retos clave.

Para ampliar tus esfuerzos de rastreo de manera eficiente, considera utilizar las herramientas de Bright Data:

- **[Proxies residenciales](/proxy-types/residential-proxies):** evita las prohibiciones de IP y accede a contenido con restricciones geográficas.
- **[Navegador de scraping](/products/scraping-browser):** renderiza sin esfuerzo sitios con mucho JavaScript.
- **[Conjuntos de datos listos para usar](/products/datasets):** olvídate del rastreo y obtén datos estructurados al instante.

Al combinar jsoup con la infraestructura adecuada, puede extraer datos a gran escala y minimizar los riesgos de detección. ¿Está listo para llevar el Scraping web al siguiente nivel? Regístrese ahora y comience su prueba gratuita.



Contactar ventasPrueba gratuita![google social icon](/wp-content/themes/brightdata/assets/images/ic_google.svg)









 Tabla de Contenidos













 [ ](https://news.ycombinator.com/submitlink?t=Parseo+de+HTML+con+Java+y+jsoup&u=https://brightdata.es/blog/datos-web/parse-html-with-jsoup) [ ](https://www.linkedin.com/shareArticle?mini=true&title=Parseo+de+HTML+con+Java+y+jsoup&url=https://brightdata.es/blog/datos-web/parse-html-with-jsoup) [ ](http://www.reddit.com/submit?title=Parseo+de+HTML+con+Java+y+jsoup&url=https://brightdata.es/blog/datos-web/parse-html-with-jsoup)







##  Usted también puede estar interesado en

 [ ![OpenHuman with Bright Data](https://media.brightdata.es/2026/09/OpenHuman-with-Bright-Data.png) ](https://brightdata.es/blog/ai/openhuman-with-bright-data "Acceso Web Listo para Producción en OpenHuman a Través de la CLI de Bright Data")

 [AI



 ![Antonello Zanini](https://media.brightdata.es/2022/12/Antonello-Zanini-2-50x50.jpg)

Antonello Zanini

Technical Writer





### Acceso Web Listo para Producción en OpenHuman a Través de la CLI de Bright Data

Integra la CLI de Bright Data con OpenHuman para habilitar acceso web listo para producción y recopilación de datos para agentes de IA.



 09-Sep-2026

 14 min de lectura

 ](https://brightdata.es/blog/ai/openhuman-with-bright-data)

 [ ![Multimodal Web Scraping with MiniMax](https://media.brightdata.es/2026/09/Multimodal-Web-Scraping-with-MiniMax.png) ](https://brightdata.es/blog/datos-web/multimodal-web-scraping-with-minimax "Scraping Web Multimodal con MiniMax")

 [Datos web



 ![Antonello Zanini](https://media.brightdata.es/2022/12/Antonello-Zanini-2-50x50.jpg)

Antonello Zanini

Technical Writer





### Scraping Web Multimodal con MiniMax

Combina Bright Data Web Unlocker con la visión de MiniMax M3 para extraer datos estructurados de imágenes y capturas de pantalla de páginas web.



 09-Sep-2026

 5 min de lectura

 ](https://brightdata.es/blog/datos-web/multimodal-web-scraping-with-minimax)

 [ ![The 10 Best CLI Tools for Codex in 2026](https://media.brightdata.es/2026/08/The-10-Best-CLI-Tools-for-Codex-in-2026.png) ](https://brightdata.es/blog/ai/best-cli-tools-for-codex "Las 10 mejores herramientas CLI para Codex en 2026 – Probadas y clasificadas")

 [AI



 ![Daniel Shashko](https://media.brightdata.es/2022/04/Daniel-Shashko-2-50x50.png)

Daniel Shashko

Web Data &amp; AI Expert





### Las 10 mejores herramientas CLI para Codex en 2026 – Probadas y clasificadas

Las 10 herramientas CLI que hacen a Codex más rápido y capaz, comenzando con la Bright Data CLI para acceso web real desde dentro del sandbox.



 06-Sep-2026

 24 min de lectura

 ](https://brightdata.es/blog/ai/best-cli-tools-for-codex)