jsoup文档之简介（翻译）

jsoup:Java Html 解析器

jsoup是一个解析HTML的Java类库，它提供了类似于DOM,CSS和jQuery方法的API，可以方便的去提取和操作数据。

一些特性：

• 可以从一个URL, FILE, 或者 String中解析HTML
• 可以用DOM遍历或CSS选择器去查找和提取数据
  
• 可以操作HTML 元素、属性和文本
  
• 可以过滤用户提交的内容，阻止XSS攻击
  
• 输出干净整洁的HTML代码

jsoup可以处理所有从HTML中发现的元素，包括格式正确的和无效的标签，jsoup根据这些元素创建一个合理的解析树

解析器会尽一切努力从您提供的HTML创建一个干净的解析，无论HTML是否是格式良好的或没有。它可以处理：未关闭的标签、隐式标签、

示例

抓取维基百科首页，解析为一个DOM，并且提取头条新闻转换为一个Elements，简单示例：

Document doc = Jsoup.connect("http://en.wikipedia.org/").get();
Elements newsHeadlines = doc.select("#mp-itn b a");

开放源代码

jsoup是一个基于MIT协议的开源项目，源代码可以在GitHub中找到，GitHub

开始

1. 下载jsourp jar包（版本：1.7.3），DOWNLOAD  

2.  阅读用户手册，用户手册     

3. 开始享受jsoup之旅吧

文档对象模型

• 文档对象主要包含元素和文本节点
• 继承链是：Node继承Element，Element继承Document，TextNode继承Node
• 一个Element的子节点可能包含一个或多个Node，也可能是一个或多个子Element。 并且有一个父Element。