源HTML解析

1、通过基于Socket的HttpClient（）获取源HTML：

CloseableHttpClient httpclient = HttpClients.createDefault();

try {

    HttpGet httpGet = new HttpGet("
http://www.qq.com
");

    CloseableHttpResponse response = httpclient.execute(httpGet);

   

    HttpEntity entity = response.getEntity();

    String body = EntityUtils.toString(entity);

    System.out.println(body);

   

    EntityUtils.consume(entity);

} finally {

    httpclient.close();

}

2、通过正则表达式先匹配出小片段的html；

3、对小片段的html通过Jsoup（http://jsoup.org/）构造DOM对象；

Jsoup.parse(content).getElementsByTag("td")；

4、使用css选择器在DOM对象中查找元素操作属性；