Java 的HTML 解析器-----jsoup

/**
  * jsoup 是一款 Java 的HTML 解析器，可直接解析某個URL地址、HTML文本內容。它提供了一套非常省力的API，可通過DOM，CSS以及類似於JQuery的操作方法來取出和操　　  作數據。
  jsoup的主要功能如下：
   1. 從一個URL，文件或字符串中解析HTML；
  2. 使用DOM或CSS選擇器來查找、取出數據；
  3. 可操作HTML元素、屬性、文本； 
  jsoup是基於MIT協議發布的，可放心使用於商業項目。
  * */

在線Javadoc：http://www.ostools.net/apidocs/apidoc?api=jsoup-1.6.3

jsoup Cookbook(中文版):http://www.open-open.com/jsoup/

下面先來看一個實例，用來獲取網站http://www.menneske.no/arukone/5x5/eng/?number=499中表格中的數字在表格中的位置

public static void main(String[] args) throws IOException {
        Document doc = Jsoup.connect("http://www.menneske.no/arukone/5x5/eng/?number=499").get();
        Elements contents = doc.getElementsByClass("arukone");
        Elements datas = contents.get(0).getElementsByTag("table");
        for (Element data : datas) 
        {
            Elements trs=data.getElementsByTag("tr");
            for (int i = 0; i<trs.size(); i++) 
            {
                Elements tds = trs.get(i).getElementsByTag("td");
                for(int j = 0; j<tds.size(); j++){
                    if(!"".equals(tds.get(j).text())){
                        System.out.println(tds.get(j).text()+","+i+","+j);
                    }
                }
            }
        }
    }