Android中解析html网页
本文主要记录通过网页解析得到自己想要的数据，也就是一个简单的爬虫。将使用第三方库jsoup实现，通过第三方库，能够快速方便的解析html。在开始之前，需要具备以下能力：
- 首先，需要对网页编程有一点了解，知道一个页面的结构，标签的含义，知道html网页其实是一种xml格式的文件。如果对这些都了解的话，就可以很方便的进行网页解析了，如果不太熟悉，建议先了解一下网页编程。
- 然后，在使用第三方库之前，最好是先看一下官方文档：Jsoup官方文档，Jsoup文档中文版
接下来就通过一个具体需求来实现。假设需求是一个Android端的博客浏览器，第一页是博客标题的列表，点击单个标题可以进入第二个页面，第二个页面是一个WebView，通过第一个页面传入的url加载指定博客的网页。以上这个简单的需求，两个页面实现，当然重点是在第一个页面，怎样获取博客标题的列表？
1.分析网页结构
在解析一个网页之前，需要先了解这个网页的结构，在PC端通过浏览器的开发者工具就能很方便的查看网页结构，比如在Chrome中，按F12就可以出现开发者工具。接下来就是分析博客列表页面的结构：
根据需求，我要得到博客标题的列表，于是，在Chrome中，打开指定页面，右键选择某个标题，选择“审查元素”在右边就能看到指定标题的代码：
从网页源码中，需要的内容的结构：
<span class="link_title"><a href="/ttccaaa/article/details/49282851">
Win10与Ubuntu 15.04双系统安装方法
a>span>一个< span >标签，里面有一个超链接标签< a >，链接指向博客内容的网页，到此，思路就比较清晰了，只需要提取出当前页面中class为“link_title”的< span >标签下的超链接标签< a >的内容即可，然后封装到ListView中，显示到界面，就能实现功能了。
2.配置jsoup
关于jsoup的介绍和使用可以从官网了解到，下面开始配置和使用：
2.1 下载：
首先需要下载jar包，目前最新版是1.8.3,如果只是简单的使用，可以只下载jsoup-1.8.3.jar 官方下载：jsoup下载
2.2 添加依赖：
如同以前的步骤，先将下载的jar包放在libs下，然后对它右键选择“Add As Library”这样就完成了依赖添加。
3. 写代码
根据上面的分析，需要找到文章标题，首先要找到class=”link_title”的< span >标签，然后获取到其中的< a >标签的属性和内容，就是需要的标题和url，所以，第一步，先写一个bean，用来保存title和对应的url：
public class TitleBean {
private String title;
private String url;
public String getTitle() {
return title;
}
public void setTitle(String title) {
this.title = title;
}
public String getUrl() {
return url;
}
public void setUrl(String url) {
this.url = url;
}
}接下来就是把刚才的思路转换成代码：
private class GetDataThd extends Thread {
@Override
public void run() {
super.run();
try {
Document doc = Jsoup.connect(BLOG_URL).get();//通过url获取到网页内容
Elements elements = doc.getElementsByClass("link_title");//查找所有class为"link_title"的元素
for (Element e : elements) {
Elements titles = e.getElementsByTag("a");//在每一个找到的元素中，查找标签
for (Element title : titles) {
//将找到的标签数据封装起来
TitleBean bean = new TitleBean();
bean.setTitle(title.text());//获取标签的内容，也就是文章标题
bean.setUrl("http://blog.csdn.net" + title.attr("href"));//获取标签属性，也就是文章链接
list.add(bean);
}
}
msgHandler.sendEmptyMessage(MSG_LOAD_OK);//通知UI更新List
} catch (IOException e) {
e.printStackTrace();
}
}
}在Adapter中，设置点击事件，跳转到详情页面：
@Override
public View getView(int position, View convertView, ViewGroup parent) {
ViewHolder holder;
if (convertView == null) {
convertView = mInflater.inflate(R.layout.item_title_list, null);
holder = new ViewHolder();
holder.tvTitle = (TextView) convertView.findViewById(R.id.tv_item_title);
convertView.setTag(holder);
} else {
holder = (ViewHolder) convertView.getTag();
}
TitleBean bean = mList.get(position);
holder.tvTitle.setText(bean.getTitle());
holder.tvTitle.setOnClickListener(new ItemClickListener(bean.getUrl()));
return convertView;
}
private class ItemClickListener implements View.OnClickListener {
private String url;
public ItemClickListener(String url) {
this.url = url;
}
@Override
public void onClick(View v) {
Intent toDetail = new Intent(mContext, DetailActivity.class);
toDetail.putExtra("detailUrl", url);
mContext.startActivity(toDetail);
}
}
接下来在详情页面，通过getIntent获取到url，然后用webView加载这个url即可：
@Override
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_detail);
String url = getIntent().getStringExtra("detailUrl");
WebView mWebView = (WebView) findViewById(R.id.web_detail);
mWebView.getSettings().setLoadWithOverviewMode(true);
mWebView.getSettings().setUseWideViewPort(true);
mWebView.loadUrl(url);
}运行效果：
到此，通过解析网页得到指定数据的小例子就完成了，思路还是比较简单的。当然，多亏了第三方库jsoup，才能够简单方便的抓取网页的指定内容。