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:
Android中解析html网页_第1张图片

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:
Android中解析html网页_第2张图片

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。

你可能感兴趣的:(Android学习)