JSOUP是偶然看到的一个处理HTML的JAVA 类库，其官方网址是：http://jsoup.org/

1、编写相关的试用程序（只需要在工程中引用jsoup-1.3.3.jar即可）：

Java代码

import java.io.File;
import java.io.IOException;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;
public class Test {
public static void main(String[] args) {
Test t = new Test();
t.parseFile();
}
public void parseString() {
String html = "blog
Parsed HTML into a doc.
";
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();
}
}
}

2、parseString的输出：

控制台代码

blog
"test()">
Parsed HTML into a doc.
test()
Parsed HTML into a doc.

3、parseUrl的输出：

控制台代码

"/gaoji/preferences.html">设置
"http://passport.baidu.com/?login&tpl=mn">登录
"http://news.baidu.com">新闻
"http://tieba.baidu.com">贴吧
"http://zhidao.baidu.com">知道
"http://mp3.baidu.com">MP3
"http://image.baidu.com">图片
"http://video.baidu.com">视频
"http://map.baidu.com">地图
"#" name="ime_hw">手写
"#" name="ime_py">拼音
"#" name="ime_cl">关闭
"http://hi.baidu.com">空间
"http://baike.baidu.com">百科
"http://www.hao123.com">hao123
"/more/">更多>>
"st" onclick="this.style.behavior='url(#default#homepage)';this.setHomePage('http://www.baidu.com')" href="http://utility.baidu.com/traf/click.php?id=215&url=http://www.baidu.com">把百度设为主页
"http://e.baidu.com/?refer=888">加入百度推广
"http://top.baidu.com">搜索风云榜
"http://home.baidu.com">关于百度
"http://ir.baidu.com">About Baidu
"/duty/">使用百度前必读
"http://www.miibeian.gov.cn" target="_blank">京ICP证030173号
------------------
"http://passport.baidu.com/?login&tpl=mn">登录
"http://news.baidu.com">新闻
"http://tieba.baidu.com">贴吧
"http://zhidao.baidu.com">知道
"http://mp3.baidu.com">MP3
"http://image.baidu.com">图片
"http://video.baidu.com">视频
"http://map.baidu.com">地图
"http://hi.baidu.com">空间
"http://baike.baidu.com">百科
"http://www.hao123.com">hao123
"st" onclick="this.style.behavior='url(#default#homepage)';this.setHomePage('http://www.baidu.com')" href="http://utility.baidu.com/traf/click.php?id=215&url=http://www.baidu.com">把百度设为主页
"http://e.baidu.com/?refer=888">加入百度推广
"http://top.baidu.com">搜索风云榜
"http://home.baidu.com">关于百度
"http://ir.baidu.com">About Baidu
"http://www.miibeian.gov.cn" target="_blank">京ICP证030173号

3、parseFile的输出：

控制台代码

"javascript:view('67530','67530','0');">IA100908-002
"javascript:view('67529','67529','0');">IA100908-001
"javascript:view('67544','67544','0');">IA100908-016
"javascript:view('67364','67364','0');">IA100903-008
"javascript:view('67363','67363','0');">IA100903-007
"javascript:view('66104','66104','0');">IA100710-013
"javascript:view('57916','57916','0');">IA100515-013
"javascript:view('56962','56962','0');">IA100430-022
"javascript:view('66958','66958','0');">IA100830-001
"javascript:view('66319','66319','0');">IA100713-003
"javascript:view('66317','66317','0');">IA100713-001
"javascript:view('66321','66321','0');">IA100713-005
"javascript:view('66967','66967','0');">IA100830-010
"javascript:view('66999','66999','0');">IA100831-001
"javascript:view('67377','67377','0');">IA100904-004
"javascript:view('67378','67378','0');">IA100904-005
"javascript:view('3271','3271','0');">IA080115-031
------------------
IA100908-002
IA100908-001
IA100908-016
IA100903-008
IA100903-007
IA100710-013
IA100515-013
IA100430-022
IA100830-001
IA100713-003
IA100713-001
IA100713-005
IA100830-010
IA100831-001
IA100904-004
IA100904-005
IA080115-031

补充下，input.html的基本结果如图：

出处:http://kinkding.iteye.com/blog/787465

ITPub博客

JSOUP初探小例子

最新文章