初识Jsoup之解析HTML

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

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();
} }}