初识Jsoup之解析HTML
按照国际惯例，我首先应该介绍下Jsoup是个什么东西，然后在介绍下具体用法，然后在来个demo演示，其实我也是这么想的，小编今天花了一天的时间从学习—>解析页面，总算是成果圆满了吧，啊哈，但是，一个不会总结的程序猿不是一个帅气的程序猿，啊哈，这就意味着我是个帅气的猿猿
----------------------------------------------------------------------------------------------------------------------
一、什么是Jsoup？
官网网站：http://jsoup.org/
可在官网下载对应的jar
通俗的将Jsoup就是一个解析网页的东西，然后我们在看下官方的解释：
官方解释就是高大上~
二、Jsoup的基本用法（http://www.open-open.com/jsoup/parsing-a-document.htm）
网站写的很详细，我想聪明的大家看看开发文档一看就懂…恩，有道理，正所谓帅的人都能看懂..
三、demo演示 解析的url：http://sex.guokr.com/
写在前面：忽略链接内容，小编就是找到一个不错的网站~，啊哈，别想歪了
1.解析一个ul –>li
我们来看下这段的源代码：
由此我们知道了大体的样子，现在我们来写编码
import org.jsoup.Jsoup; import org.jsoup.nodes.Document; import org.jsoup.nodes.Element; import org.jsoup.select.Elements; import java.io.IOException; /** * 使用Jsoup解析url * @tag：url ：http://sex.guokr.com/ * Created by monster on 2015/12/11. */ public class JsoupZX { public static void main(String[] args){ final String url="http://sex.guokr.com/" ; try { Document doc = Jsoup.connect(url).get(); Elements container = doc.getElementsByClass("container"); Document containerDoc = Jsoup.parse(container.toString()); Elements module = containerDoc.getElementsByClass("module-list"); Document moduleDoc = Jsoup.parse(module.toString()); //Elements clearfix = moduleDoc.getElementsByClass("clearfix"); //DOM的形式 Elements clearfix = moduleDoc.select(".clearfix"); //选择器的形式 for (Element clearfixli : clearfix){ Document clearfixliDoc = Jsoup.parse(clearfixli.toString()); Elements kind = clearfixliDoc.select(".board-tag"); //选择器的形式 Elements title = clearfixliDoc.select(".tit-post"); Elements author = clearfixliDoc.select("span a"); System.out.println("类别"+kind.text()); //分类 System.out.println("标题"+title.text()); //标题 System.out.println("作者"+author.text()); //作者 System.out.println("详情链接"+title.attr("href")); //标题下的链接 System.out.println("====================="); } // String title = clearfixli.getElementsByTag("a").text(); // System.out.println(clearfix); } catch (IOException e) { e.printStackTrace(); } } }
结果：
=================================================================================================
2.解析详情页面和评论
链接：http://sex.guokr.com/post/1100992/
上述就是页面的内容
然后我们看下源码：
内容：
评论：
看完源码后，我们进行编码：
import org.jsoup.Jsoup; import org.jsoup.nodes.Document; import org.jsoup.nodes.Element; import org.jsoup.select.Elements; import java.io.IOException; /**
* 使用Jsoup解析帖子详情和评论
* @tag: url:http://sex.guokr.com/post/1100992/ * Created by monster on 2015/12/11. */ public class JSoupDetail { public static void main(String args[]){ final String url= "http://sex.guokr.com/post/1100992/"; try { Document doc = Jsoup.connect(url).get(); Elements container = doc.getElementsByClass("container"); Document containerDoc = Jsoup.parse(container.toString()); String articleTitle = containerDoc.getElementById("articleTitle").text(); String authorName = containerDoc.getElementById("authorName").text(); String time = containerDoc.select("span").first().text(); String imgphotoUrl=containerDoc.select("img").get(1).attr("src"); System.out.println("标题：" + articleTitle); //标题 System.out.println("作者："+authorName); //作者 System.out.println("发布时间："+time); //发布时间 System.out.println("作者头像的url："+imgphotoUrl); //发布时间 Element articleContent = containerDoc.getElementById("articleContent"); Document articleContentDoc = Jsoup.parse(articleContent.toString()); int size= articleContentDoc.select("p").size(); System.out.println("段落数："+size); System.out.println("帖子内容："); for (int i=0;i<size;i++){ String content = articleContentDoc.select("p").get(i).text(); System.out.println(content); } System.out.println("================================================"); System.out.println("帖子评论区域（按照楼层分布）"); Elements cmts =containerDoc.getElementsByClass("cmts"); Document cmtsDoc = Jsoup.parse(cmts.toString()); System.out.println("评论楼层："+cmtsDoc.select("span").first().text()); Elements cmtslist =cmtsDoc.getElementsByClass("cmts-list"); for (Element clearfix:cmtslist){ String user = clearfix.select("a").get(1).text(); String userPhotoUrl =clearfix.select("img").get(0).attr("src"); String replyTime = clearfix.select("a").get(3).text(); String floor=clearfix.select("span").text(); System.out.println("评论者："+user+"\n"+"评论者头像url："+userPhotoUrl+"\n"+"回复时间："+replyTime+"\n"+"所在楼层："+floor); Document replyContentDoc = Jsoup.parse(clearfix.toString()); Elements replyContent = replyContentDoc.getElementsByClass("cmt-content"); System.out.println("评论内容："); int s =replyContent.select("p").size(); for (int j=0;j<s;j++){ String replycontent = replyContent.select("p").get(j).text(); System.out.println(replycontent); } System.out.println("================================================"); } } catch (IOException e) { e.printStackTrace(); } } }
输出结果：
--------->
以上就是小编的demo，写的有点简单，希望理解，啊哈~
另外：欢迎关注小编的博客，么么哒
