初識Jsoup之解析HTML

     按照國際慣例，我首先應該介紹下Jsoup是個什么東西，然后在介紹下具體用法，然后在來個demo演示，其實我也是這么想的，小編今天花了一天的時間從學習—>解析頁面，總算是成果圓滿了吧，啊哈，但是，一個不會總結的程序猿不是一個帥氣的程序猿，啊哈，這就意味着我是個帥氣的猿猿

----------------------------------------------------------------------------------------------------------------------

一、什么是Jsoup？

     官網網站：http://jsoup.org/      

     可在官網下載對應的jar

     通俗的將Jsoup就是一個解析網頁的東西，然后我們在看下官方的解釋：

   官方解釋就是高大上~

 

二、Jsoup的基本用法（http://www.open-open.com/jsoup/parsing-a-document.htm）

網站寫的很詳細，我想聰明的大家看看開發文檔一看就懂…恩，有道理，正所謂帥的人都能看懂..

 

三、demo演示  解析的url：http://sex.guokr.com/

  寫在前面：忽略鏈接內容，小編就是找到一個不錯的網站~，啊哈，別想歪了

     1.解析一個ul –>li

 

我們來看下這段的源代碼：

 

由此我們知道了大體的樣子，現在我們來寫編碼

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");  //選擇器的形式

            for (Element clearfixli : clearfix){
                Document clearfixliDoc = Jsoup.parse(clearfixli.toString());
                Elements kind = clearfixliDoc.select(".board-tag");  //選擇器的形式
                Elements title = clearfixliDoc.select(".tit-post");
                Elements author = clearfixliDoc.select("span a");


               System.out.println("類別"+kind.text());  //分類
               System.out.println("標題"+title.text());  //標題
               System.out.println("作者"+author.text());  //作者
                System.out.println("詳情鏈接"+title.attr("href"));  //標題下的鏈接

                System.out.println("=====================");

            }
              //  String title = clearfixli.getElementsByTag("a").text();


          //  System.out.println(clearfix);

        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}

 

結果：

 

=================================================================================================

2.解析詳情頁面和評論

  鏈接：http://sex.guokr.com/post/1100992/

上述就是頁面的內容

 

然后我們看下源碼：

內容：

 

評論：

 

看完源碼后，我們進行編碼：

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解析帖子詳情和評論

 * @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("標題：" + articleTitle); //標題
            System.out.println("作者："+authorName); //作者
            System.out.println("發布時間："+time); //發布時間
            System.out.println("作者頭像的url："+imgphotoUrl); //發布時間


            Element articleContent =  containerDoc.getElementById("articleContent");
            Document articleContentDoc = Jsoup.parse(articleContent.toString());


           int size=  articleContentDoc.select("p").size();
            System.out.println("段落數："+size);

            System.out.println("帖子內容：");

            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("帖子評論區域（按照樓層分布）");

            Elements cmts =containerDoc.getElementsByClass("cmts");
            Document cmtsDoc = Jsoup.parse(cmts.toString());
            System.out.println("評論樓層："+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("評論者："+user+"\n"+"評論者頭像url："+userPhotoUrl+"\n"+"回復時間："+replyTime+"\n"+"所在樓層："+floor);
                Document replyContentDoc = Jsoup.parse(clearfix.toString());
               Elements replyContent =  replyContentDoc.getElementsByClass("cmt-content");
                System.out.println("評論內容：");
                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();
        }


    }

}

 

輸出結果：

 

--------->

以上就是小編的demo，寫的有點簡單，希望理解，啊哈~

另外：歡迎關注小編的博客，么么噠