参考连接:http://m.oschina.net/blog/126725
上一章介绍了如何使用java本地类库获取http资源。下一步就要考虑如何将源码中的有效信息提取出来。有很多相关的类库可以使用,htmlparser,jsoup,heritrix等等。
但是从我自己的经验,还是比较倾向于使用jsoup。
这里先介绍如何使用jsoup完成http connection。
jsoup可以接受本地文件,http连接,甚至html字符串进行解析。比起自己建立连接要方便的多。
示例代码:
String html = "<div><p align=\"center\"><img alt=\"\" width=\"660\" height=\"852\" src=\"/erp/UserFiles/Image/51.jpg\" />这是P元素的内容</p>";
Document document = Jsoup.parse(html);
Document document = Jsoup.connect("http://www.baidu.com").get(); //建立连接 String title = document.title(); String text = document.text();
对于document类的操作非常类似于dom4j,简便快捷。现在还在学习选择器,剩下的内容晚上继续补上。