HTML的解析——Java

用Java解析html页面

import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;

public class Test {  
    public static void main(String[] args){

        //···这里得到url和html
        //url为网址，html为网页，是需要提取获取的

        //解析html页面
        Document doc=Jsoup.parse(html, url);
        //获取title
        Elements es=doc.getElementsByTag("title");  //还有其他不同方法
        String title=es.text(); //text()方法是获取标签中内容，toString()方法是把es直接转换成String
        System.out.println(title);
        //获取标签内的属性值
        es=doc.getElementsByTag("a");
        for(int i=0;i<es.size();i++){
            String href=es.get(i).absUrl("href");
            System.out.println(href);
        }

        //获取某标签下的某标签下的某标签下的...（的某属性）的值
        //要确保路径正确，不一定要从head或body开始，可以直接通过id值，如doc.select("#article_content")
        //若要通过标签的属性class区别开的话用.，如doc.select("div>div.blog-content-box")
        //若属性值空格分卡的话，还是用.，如doc.select("div>div.article_content.clearfix") <div class="article_content clearfix">
        es=doc.select("head>title");
        System.out.println(es.text());

    }
}