Jsoup解析html入门2

Jsoup解析并提取 HTML 元素

 File input = new File("D:/test.html"); 
 Document doc = Jsoup.parse(input, "UTF-8", "http://www.oschina.net/"); 
 Element content = doc.getElementById("content"); 
 Elements links = content.getElementsByTag("a"); 
 for (Element link : links) { 
 String linkHref = link.attr("href"); 
 String linkText = link.text(); 
 }

Elements这个对象提供了一系列类似于DOM的方法来查找元素，抽取并处理其中的数据。具体如下：
查找元素
    getElementById(String id)
    getElementsByTag(String tag)
    getElementsByClass(String className)
    getElementsByAttribute(String key) (and related methods)
    Element siblings: siblingElements(), firstElementSibling(), lastElementSibling();nextElementSibling(), previousElementSibling()
    Graph: parent(), children(), child(int index)
元素数据
    attr(String key)获取属性attr(String key, String value)设置属性
    attributes()获取所有属性id(), className() and classNames()
    text()获取文本内容text(String value) 设置文本内容
    html()获取元素内HTMLhtml(String value)设置元素内的HTML内容
    outerHtml()获取元素外HTML内容
    data()获取数据内容（例如：script和style标签)
    tag() and tagName()
操作HTML和文本
    append(String html), prepend(String html)
    appendText(String text), prependText(String text)
    appendElement(String tagName), prependElement(String tagName)
    html(String value)

使用选择器语法来查找元素

	public static void selector(Document doc) {
	Elements links = doc.select("a[href]"); // 带有href属性的a元素
	Elements pngs = doc.select("img[src$=.png]");
	// 扩展名为.png的图片
	Element masthead = doc.select("div.masthead").first();
	// class等于masthead的div标签
	Elements resultLinks = doc.select("h3.r > a"); // 在h3元素之后的a元素
}

从元素抽取属性，文本和HTML

public static void getAttr(Document doc) {
	
	// "<a href="http://www.jb51.net"><b>www.jb51.net</b></a>"
	Element link = doc.select("a").first();// 查找第一个a元素
	String text = doc.body().text(); //取得字符串中的文本
	String linkHref = link.attr("href"); //取得链接地址
	String linkText = link.text();	//取得链接地址中的文本
	String linkOuterH = link.outerHtml();
	String linkInnerH = link.html(); //取得链接内的html内容
}

要取得一个属性的值，可以使用Node.attr(String key) 方法 对于一个元素中的文本，可以使用Element.text()方法
对于要取得元素或属性中的HTML内容，可以使用Element.html(), 或 Node.outerHtml()方法