jsop------html 解析器的使用

jsoup 简Java 程序在解析 HTML 文档时，相信大家都接触过 htmlparser 这个开源项目，我曾经在 IBM DW 上发表过两篇关于 htmlparser 的文章，分别是：从 HTML 中攫取你所需的信息和 扩展 HTMLParser 对自定义标签的处理能力。但现在我已经不再使用 htmlparser 了，原因是 htmlparser 很少更新，但最重要的是有了 jsoup 。

简介：

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。

jsoup 的主要功能如下：

1. 从一个 URL，文件或字符串中解析 HTML；

2. 使用 DOM 或 CSS 选择器来查找、取出数据；

3. 可操作 HTML 元素、属性、文本；

jsoup 是基于 MIT 协议发布的，可放心使用于商业项目。

jsoup 的主要类层次结构如图 1 所示：

参考：http://www.ibm.com/developerworks/cn/java/j-lo-jsouphtml/

介绍

1. 解析和遍历文件

输入

2. 从字符串中解析文档
3. 解析身体片段
4. 将一个文件从一个URL
5. 将一个文件从一个文件

提取数据

6. 使用DOM方法来浏览文档
7. 使用选择器的语法来查找元素
8. 从元素提取物的属性，文本和HTML
9. 使用URL
10. 示例程序：列表链接

修改数据

11. 设置属性值
12. 设置一个元素的HTML
13. 设置元素的文本内容

Clear HTML

14. 清除不可信的HTML（防止XSS）