jsoup解析html(文本/img)工具类

使用jsoup对html文档进行解析，每个html标签（Element）、文本（TextNode）都抽象成一个Node，每一个Node都含有childNodes()方法来枚举其包含的Node，这里通过递归来提取文本内容，对于非TextNode的Node，我们遍历其孩子Node，对于TextNode我们直接返回结果。

其中jsoup的gradle依赖为compile 'org.jsoup:jsoup:1.11.3'

下载地址：https://jsoup.org/download

HtmlUtils

package com.app.util;

import java.util.ArrayList;
import java.util.List;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.nodes.Node;
import org.jsoup.nodes.TextNode;
import org.jsoup.select.Elements;

import com.alibaba.druid.util.StringUtils;

public class HtmlUtils{
    
	/**
	  * @Title: html2Str
	  * @Description: TODO(使用jsoup解析html并转化为提取字符串)
	  * @param html
	  * @return String 
	  * @date 2020年5月7日 下午6:57:37
	 */
    public static String html2Str(String html){
    	if(StringUtils.isEmpty(html)) {
    		return "";
    	}
        Document doc = Jsoup.parse(html);    
        return extractText(doc);
    }
    /**
      * @Title: html2ImgSrc
      * @Description: TODO(使用jsoup解析html并抽取其中所有img标签中的src)
      * @param html
      * @return List<String> 
      * @date 2020年5月7日 下午6:56:47
     */
    public static List<String> html2ImgSrc(String html){
    	if(StringUtils.isEmpty(html)) {
    		return null;
    	}
    	List<String> list=new ArrayList<String>();
		Document doc = Jsoup.parse(html);
		Elements elements=doc.select("img");
		for (int i = 0; i < elements.size(); i++) {
			Element jpg=elements.get(i);
			String attr = jpg.attr("src");
			list.add(attr);
		}
		return list;
    }

    private static String extractText(Node node){
    	/* TextNode直接返回结果 */
    	if(node instanceof TextNode){    
    		return ((TextNode) node).text();  
    	}   
    	/* 非TextNode的Node，遍历其孩子Node */
    	List<Node> children = node.childNodes();   
    	StringBuffer buffer = new StringBuffer();    
    	for (Node child: children) {   
    		buffer.append(extractText(child)); 
    	}   
    	return buffer.toString();
    }
}