Java解析和遍历html文档利器

前言:几乎任何的语言都可以解析和遍历html超文本,我常用的语言就是php啦,但是我想在android客户端获取网络http的的数据,虽然可以使用php但是需要二次连接和php环境,然而就直接使用java语言去搞,那么不可能直接用java原生语言去码的啦,使用****Jsoup****去解析,Jsoup是java语言一款不错的html解析文档的利器!


****Jsoup的简介****
Jsoup是java语言一款不错的html解析和遍历文档的利器。


****Jsoup的优点****
其解析器能够尽最大可能从你提供的HTML文档来创见一个干净的解析结果,无论HTML的格式是否完整。比如它可以处理:

没有关闭的标签 
 

Lorem

Ipsum parses to

Lorem

Ipsum

隐式标签 
 Table data包装成
创建可靠的文档结构(html标签包含head 和 body,在head只出现恰当的元素)

****Jsoup常用的方法****
从一个URL加载一个Document

简单的get方法
Document doc = Jsoup.connect("http://www.domain.com/").get();
String title = doc.title();
带头信息的post方法
Document doc = Jsoup.connect("http://www..domain.com")  
                  .data("username", "Alic")  
                  .userAgent("Mozilla")  
                  .cookie("auth", "token")  
                  .timeout(3000)  
                  .post();

从文件中加载HTML文档

File file = new File("path");
Document doc = Jsoup.parse(file, "UTF-8", "http://www.domian.com/");

简单的从String加载HTML

Document doc = Jsoup.parse(String html);

使用DOM方法来遍历一个文档

File file = new File("/path/index.html");
Document doc = Jsoup.parse(file, "UTF-8", "http://www.domian.com/");
Element content = doc.getElementById("content");//获取id为content的dom节点
Elements links = content.getElementsByTag("a");//获取所有的a标签dom节点
//遍历所有的a标签
for (Element link : links) {  
      String linkHref = link.attr("href");  
      String linkText = link.text();
}
Elements links = doc.select("a[href]"); //带有href属性的a元素
Elements pngs = doc.select("img[src$=.png]");
  //扩展名为.png的图片
Element masthead = doc.select("div.masthead").first();
  //class等于masthead的div标签
Elements resultLinks = doc.select("h3.r > a"); //在h3元素之后的a元素

常用的方法:见官网API文档传送Jsoup

你可能感兴趣的:(Java解析和遍历html文档利器)