HTML解析器

jsoup 1.5.1 发布，超棒的HTML解析器

作者: Claymore　时间: 2011-02-20 20:36:31

Arial Tahoma Verdana 宋体 楷体  字体减小 字体加大

 

 

 

该版本增加单个 pass 选择器用于所有复杂查询，另外使用 CSS 选择器从 DOM 中提取元素的性能得到显著的提升，修复了 Scala 支持的bug，提供新的 HTML 操作特性以及bug修复。

jsoup 是一款 Java 的HTML 解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于JQuery的操作方法来取出和操作数据。

jsoup的主要功能如下：

1. 从一个URL，文件或字符串中解析HTML；
2. 使用DOM或CSS选择器来查找、取出数据；
3. 可操作HTML元素、属性、文本；

 

jsoup是基于MIT协议发布的，可放心使用于商业项目。

示例代码：

 

File input = new File("/tmp/input.html");
Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");

Element content = doc.getElementById("content");
Elements links = content.getElementsByTag("a");
for (Element link : links) {
  String linkHref = link.attr("href");
  String linkText = link.text();
}