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

转载于：http://www.cnblogs.com/boy1025/p/5040495.html