【jsoup】使用DOM方法来遍历一个文档

使用DOM方法来遍历一个文档

问题

你有一个HTML文档要从中提取数据，并了解这个HTML文档的结构。

方法

将HTML解析成一个Document之后，就可以使用类似于DOM的方法进行操作。示例代码：

File input = new File("/tmp/input.html");

Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");

 

Element content = doc.getElementById("content");

Elements links = content.getElementsByTag("a");

for (Element link : links) {

  String linkHref = link.attr("href");

  String linkText = link.text();

}

说明

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)