java爬取网页内容

java爬取网页内容主要使用jsoup工具

maven依赖：

<!-- https://mvnrepository.com/artifact/org.jsoup/jsoup -->
<dependency>
<groupId>org.jsoup</groupId>
<artifactId>jsoup</artifactId>
<version>1.11.3</version>
</dependency>

jsoup介绍：

 jsoup 是一款Java 的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，
　可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据

主要功能：

 1）从一个URL，文件或字符串中解析HTML
    2）使用DOM或CSS选择器来查找、取出数据
    3）可操作HTML元素、属性、文本
    注意：jsoup是基于MIT协议发布的，可放心使用于商业项目

简单使用方法：

Document doc = Jsoup.connect("https://www.tianqi.com/chinacity.html").get();
        Elements citybox = doc.select(".citybox a");
        Elements atag=citybox.tagName("a");
        StringBuilder sb=new StringBuilder();
        String province="";
        for (int i=0;i<atag.size();i++){
            boolean isprovince=atag.get(i).attr("href").contains("province");
            if(isprovince){
                province=atag.get(i).text();
                continue;
            }
            String href=atag.get(i).attr("href").replace('/',' ').trim();
            String cityname=atag.get(i).text();
            String all=href.concat("-").concat(cityname).concat("|");
            sb.append(all);
        }

其他使用方法详见：

http://www.open-open.com/jsoup/