貌似解析HTML的工具名字都是XXsoup,比如python的beautifulsoup,这里介绍一下java的Jsoup。我这里只说我使用的感受。
Jsoup可以解析服务器上的、本地的HTML文件,将里面的标签过滤掉,得到有用的内容,。
比如只需要<title>标签的内容,
解析本地的:需要把文件放到IO流中
Document doc = Jsoup.parse(inputStream, "UTF-8", "http://www.google.com.hk/");
String title = doc.title();
解析服务器上的:
Document doc = Jsoup.connect("http://www.XXX.com/").get();
String title = doc.title();
再比如需要整个<body>中的内容,
Document doc = Jsoup.parse(inputStream, "UTF-8", "http://www.google.com.hk/");
Element body = doc.body();
String text = body.text();
下面的的链接是Jsoup的帮助文档:
下面是官方的SDK:
还有一个我学习Jsoup的链接:
http://www.oschina.net/code/tag/jsoup