也許大家有過在java運行平台上解析html的經歷，通常的方式是將HTML以XML的形式進行結點解析，調用java本身的xml解析類庫。這樣的方式很容易理解並且很方便，但習慣用jQuery的各位是否在感嘆能否在java中像jQuery一樣獲取標簽內容，實現DOM操作呢？終於，發現了一個html解析利器，jsoup！
初次用jsoup的時候是在業余時間做一款漫畫下載器的時候發現的，做漫畫下載器時，因無法得到網站的API接口，所以只能通過解析HTML的方式獲得網頁內容與圖片，在網絡上找到jsoup以后發現習慣於jquery方式編程的我很快就可以適應jsoup的選擇器，得到內容的方式也很容易，下面我們就開始學習神奇的jsoup。
1.下載jsoup
大家可以去jsoup的官網下載jsoup，或者點擊jsoup-1.7.3.jar(官方下載地址)
2.jsoup初體驗
第一步 獲取html文檔對象。
Document對象:用於接收html的文檔內容
Jsoup.connect(String url).get():用於指定網址，返回值為Document對象
ps:如果需要解析訪問較慢的網站的話需要加上timeout方法，以放拋出RuntimeException異常。
1 //文檔對象，用來接收html頁面 2 Document document = null; 3 try { 4 //獲取指定網址的頁面內容 5 document = Jsoup.connect("http://www.baidu.com/").timeout(50000).get(); 6 } catch (IOException e) { 7 e.printStackTrace(); 8 }
另外我們除了通過網址的到HTML文檔對象外還可以通過讀取HTML文件來獲取HTML文檔，方法如下:
//獲得文件對象 File input = new File("/tmp/input.html"); //獲得文檔對象 Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");
上面這段代碼很好理解,parse是Jsoup類的靜態方法，用於加載和解析HTML文檔，其中的三個參數分別為:
參數1:要獲取的文件對象
參數2:HTML文檔的文字編碼例如UTF-8，ISO 8859-1，GBK等等
參數3:用於相對路徑的前綴
第二步 通過選擇器得到想要的Dom結點
jsoup提供了豐富的選擇器，選擇器的方便程度媲美jQuery，其中的篩選選擇器，父選擇器等更是jQuery上本身就擁有的，具體該怎么用這個選擇器呢？相信習慣jQuery的童鞋很快就會適應jsoup選擇器的。
首先我們需要認識一下Elements對象，Elements類實現了java.lang.List接口，主要用於保存選擇器選擇到的結點。
接下來我們來看一下Document對象獲取結點的步驟:
1 //通過Document的select方法獲取class為abc的Elements結點集合 2 Elements elements = document.select(".abc"); 3 //得到結點的第一個對象 4 Element element = elements.get(0); 5 //獲取想要的屬性值 6 String href = element.attr("href");
共三步，就可以得到想要的結果了，是不是很方便呢？
並且第二個步驟是可以省略的，下面讓我們來看一下Elements的attr()方法的源碼
/** Get an attribute value from the first matched element that has the attribute. @param attributeKey The attribute key. @return The attribute value from the first matched element that has the attribute.. If no elements were matched (isEmpty() == true), or if the no elements have the attribute, returns empty string. @see #hasAttr(String) */ public String attr(String attributeKey) { for (Element element : contents) { if (element.hasAttr(attributeKey)) return element.attr(attributeKey); } return ""; }
上邊兩個方法可以清除的看到當我們輸入結點名稱時，他會自動遍歷所有集合內所有結點是否擁有此屬性，如果擁有此屬性即跳出返回結果，如無法找到含有此屬性的結點則返回 Empty。
jsoup的選擇器除了上面的例子里的類選擇器還有下面的豐富選擇器，大家可根據需要來選擇使用。
Selector選擇器
tagname: 通過標簽查找元素，比如：ans|tag: 通過標簽在命名空間查找元素，比如：可以用fb|name語法來查找<fb:name>元素#id: 通過ID查找元素，比如：#logo.class: 通過class名稱查找元素，比如：.masthead[attribute]: 利用屬性查找元素，比如：[href][^attr]: 利用屬性名前綴來查找元素，比如：可以用[^data-]來查找帶有HTML5 Dataset屬性的元素[attr=value]: 利用屬性值來查找元素，比如：[width=500][attr^=value],[attr$=value],[attr*=value]: 利用匹配屬性值開頭、結尾或包含屬性值來查找元素，比如：[href*=/path/][attr~=regex]: 利用屬性值匹配正則表達式來查找元素，比如：img[src~=(?i)\.(png|jpe?g)]*: 這個符號將匹配所有元素
Selector選擇器組合使用
el#id: 元素+ID，比如：div#logoel.class: 元素+class，比如：div.mastheadel[attr]: 元素+class，比如：a[href]- 任意組合，比如：
a[href].highlight ancestor child: 查找某個元素下子元素，比如：可以用.body p查找在"body"元素下的所有p元素parent > child: 查找某個父元素下的直接子元素，比如：可以用div.content > p查找p元素，也可以用body > *查找body標簽下所有直接子元素siblingA + siblingB: 查找在A元素之前第一個同級元素B，比如：div.head + divsiblingA ~ siblingX: 查找A元素之前的同級X元素，比如：h1 ~ pel, el, el:多個選擇器組合，查找匹配任一選擇器的唯一元素，例如：div.masthead, div.logo
偽選擇器selectors
:lt(n): 查找哪些元素的同級索引值（它的位置在DOM樹中是相對於它的父節點）小於n，比如：td:lt(3)表示小於三列的元素:gt(n):查找哪些元素的同級索引值大於n，比如：div p:gt(2)表示哪些div中有包含2個以上的p元素:eq(n): 查找哪些元素的同級索引值與n相等，比如：form input:eq(1)表示包含一個input標簽的Form元素:has(seletor): 查找匹配選擇器包含元素的元素，比如：div:has(p)表示哪些div包含了p元素:not(selector): 查找與選擇器不匹配的元素，比如：div:not(.logo)表示不包含 class="logo" 元素的所有 div 列表:contains(text): 查找包含給定文本的元素，搜索不區分大不寫，比如：p:contains(jsoup):containsOwn(text): 查找直接包含給定文本的元素:matches(regex): 查找哪些元素的文本匹配指定的正則表達式，比如：div:matches((?i)login):matchesOwn(regex): 查找自身包含文本匹配指定正則表達式的元素- 注意：上述偽選擇器索引是從0開始的，也就是說第一個元素索引值為0，第二個元素index為1等
為了照顧習慣js原生獲得結點方式的朋友們，jsoup還加入了許多原生方法名，例如:
1 //通過ID獲得結點，返回值為Element而不是Elements 2 getElementById(String id) 3 //通過結點名返回節點集 4 getElementsByTag(String tag) 5 //通過類返回結點集 6 getElementsByClass(String className)
第三步 修改結點屬性
對於僅僅要讀取數據的朋友們來說上面兩步已經足以完成需求，而對於有修改文檔內容需求的來說Jsoup同樣提供了強大的屬性賦值，例如:
//為結點添加內容 element.html(內容); //添加屬性 element.attr(屬性名,屬性值) //添加類 element.addClass(類名)
修改結點屬性的方式也與jQuery類似，也很容易理解。
如果大家已經了解了jsoup的基礎操作的話，可以自己動手試試解析一個HTML文檔，如果有問題歡迎跟帖，另外附上兩個jsoup教程的網址:
jsoup英文版api: http://jsoup.org/apidocs/
英文好的同學可以去瞧瞧，jsoup實用的方法還有很多的哦！
jsoup中文版教程:http://www.open-open.com/jsoup/parsing-a-document.htm
^_^