除了上述的用httpclient获取页面内容外,jsoup本身也支持 字符串,链接,文档文件的解析。(只需要在工程中引用jsoup-1.3.3.jar即可)例子如下:
public void parseString() {
String html = "<html><head><title>blog</title></head><body onload='test()'><p>Parsed HTML into a doc.</p></body></html>";
Document doc = Jsoup.parse(html);
System.out.println(doc);
Elements es = doc.body().getAllElements();
System.out.println(es.attr("onload"));
System.out.println(es.select("p"));
}
public void parseUrl() {
try {
Document doc = Jsoup.connect("http://www.baidu.com/").get();
Elements hrefs = doc.select("a[href]");
System.out.println(hrefs);
System.out.println("------------------");
System.out.println(hrefs.select("[href^=http]"));
} catch (IOException e) {
e.printStackTrace();
}
}
public void parseFile() {
try {
File input = new File("input.html");
Document doc = Jsoup.parse(input, "UTF-8");
// 提取出所有的编号
Elements codes = doc.body().select("td[title^=IA] > a[href^=javascript:view]");
System.out.println(codes);
System.out.println("------------------");
System.out.println(codes.html());
} catch (IOException e) {
e.printStackTrace();
}
}
jsoup解析有很多种方法能得到同样的结构,就看你想用哪种思路。
有用id定位的 有用tagname获取的 有用class 获取的 |