java 之 jsoup —— Java 的 HTML 解析器

jsoup

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。
中文官网
英文官网

主要功能：

1. 从一个URL，文件或字符串中加载 HTML 文档并解析，并生成Document 对象实例。
2. 使用DOM或CSS选择器来查找、取出数据；
3. 操作HTML元素、属性、文本；

加载解析HTML的三种方式

1、从URL加载解析HTML（Jsoup.connect(String url) ;）

@Test
    public void test() throws IOException {
        // 从URL加载解析HTML
        Document document = Jsoup.connect("http://www.baidu.com").get();
        String title = document.title();
        //获取html中的标题
        System.out.println("title :"+title);

2、从字符串加载解析HTML（Jsoup.parse(String html) ;）

@Test
    public void test() throws IOException {
		// 从字符串加载解析HTML
        String html = ""
                + "
Parsed HTML into a doc.
";
Document doc = Jsoup.parse(html);
title = doc.title();
System.out.println("title :"+title);
}

3、从本地文件加载解析HTML（ Jsoup.parse(File in, String charsetName);）

@Test
    public void test() throws IOException {
        // 从本地文件加载解析HTML
        doc = Jsoup.parse(new File("index.html"),"utf-8");
        title = doc.title();
        System.out.println("title :"+title);
	}