【JSOUP】如何解析HTML对象？学习笔记1

来源：互联网发布：光明数据东华编辑：程序博客网时间：2024/05/16 04:06

一个HTML文档：

String html = "<html><head><title>First parse</title></head>" 1. "<body><p>Parsed HTML into a doc.</p></body></html>";Document doc = Jsoup.parse(html);

参考文档：解析字符串
其解析器能够尽最大可能从你提供的HTML文档来创见一个干净的解析结果，无论HTML的格式是否完整。比如它可以处理：

没有关闭的标签 (比如： Lorem Ipsum parses to Lorem Ipsum)

隐式标签 (比如. 它可以自动将 <td>Table data</td>包装成<table><tr><td>?)

创建可靠的文档结构（html标签包含head 和 body，在head只出现恰当的元素）

一个文档的对象模型

文档由多个Elements和TextNodes组成 (以及其它辅助nodes：详细可查看：nodes package tree).
其继承结构如下：Document继承Element继承Node. TextNode继承 Node.
一个Element包含一个子节点集合，并拥有一个父Element。他们还提供了一个唯一的子元素过滤列表。
参见
数据抽取：DOM遍历
数据抽取：Selector syntax

阅读全文

0 0