1. 什么是Jsoup
-
Jsoup是一款Java 的HTML(html也是XML文檔)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選擇器的操作方法來取出和操作數據。所以使用jsoup就可以解析HTML。
-
Jsoup使用的是DOM解析方式，把整個HTML文檔（XML文檔）加載到內存中形成一棵DOM樹，得到文檔的Document對象。HTML里的標簽，會轉換成Element對象。
-
jar包：
2. Jsoup的基本使用步驟
-
解析HTML，得到Document對象
-
從Document里找到標簽Element對象
-
從Element上獲取數據（標簽體、或屬性值）
三、Jsoup的API介紹
1. 獲取Document對象
Jsoup類提供了三種常用方法：
|
方法
|
參數
|
返回值
|
說明
|
|
parse(html)
|
html：html字符串
|
Document
|
|
|
parse(file,charset)
|
file：html文件<br />charset：字符集
|
Document
|
|
|
connect(url).get()
|
url：網址
|
Document
|
|
2. 獲取Element對象
2.1 類似js的方式
Document提供提供了常用方法：
|
方法
|
參數
|
返回值
|
說明
|
|
getElementById(id)
|
id:標簽的id
|
Element
|
|
|
getElementsByTag(tagName)
|
tagName：標簽名稱
|
Elements
|
|
|
getElementsByClass(className)
|
className：類名
|
Elements
|
|
|
getElementsByAttribute(attrName)
|
attrName：屬性名
|
Elements
|
|
|
parent()
|
|
Element
|
|
|
children()
|
|
Elements
|
|
Element：標簽轉換成的一個對象Elements：本質是ArrayList<Element>，是一個Element的集合
2.2 類似jQuery選擇器的方式
css-like語法
2.2.1 常用選擇器
-
基本選擇器
-
標簽選擇器：div
-
ID選擇器：#div1
-
類選擇器：.cls
-
組合選擇器：div.cls --獲取類名為cls的div元素
-
層級選擇器
-
A B：獲取A元素的后代元素B
-
A>B：獲取A元素的子元素B
-
A+B：獲取A元素后邊相鄰的B元素
-
A~B：獲取A元素后邊所有的B元素
-
屬性選擇器
-
A[attr]：獲取包含attr屬性的A元素
-
A[attr=value]：獲取attr屬性值是value的A元素
-
A[attr^=value]：獲取attr屬性值以value開頭的A元素
-
A[attr$=value]：獲取attr屬性值以value結尾的A元素
-
A[attr*=value]：獲取attr屬性值里包含value的A元素
-
偽選擇器（基本過濾選擇器）
-
:gt(n)：獲取索引大於n的
-
:eq(n)：獲取索引等於n的
-
:has(selector)：獲取包含有selector結果的元素。比如：li:has(a)獲取里邊有a元素的li元素
-
:not(selector)：排除selector選擇的結果不要
2.2.2 選擇器使用方法
-
Elements elements = document.select(String cssQuery)
-
Document對象可以使用此方法：從整個html文檔里查找
-
Element對象也可以使用此方法：從某Element標簽內部查找
-
Elements對象也可以使用此方法：從一批Elements標簽內部查找
-
3. 獲取數據
Element和Elements提供了獲取數據的方法：
|
方法
|
參數
|
返回值
|
說明
|
|
html()
|
|
String
|
獲取標簽體內容
|
|
text()
|
|
String
|
獲取第一個標簽體文本內容
|
|
eachText()
|
|
List<String>
|
獲取Elements里每個標簽的文本內容
|
|
attr(attrName)
|
attrName：屬性名
|
String
|
獲取屬性值
|