package com.xjtu.spider;
import java.io.File;
import java.io.IOException;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;
/**
*
* <p>
* Title: 爬虫测试
* </p>
*
* @author dml@2013-2-17
* @version 1.0
*/
public class PageParse {
public static void main(String[] args) {
PageParse t = new PageParse();
System.out.println("===========t.parseString()==============");
t.parseString();
System.out.println("===========t.parseUrl()==============");
t.parseUrl();
}
/**
* 解析字符串
*
*/
public void parseString() {
String html = "<html><head><title>blog</title></head><body οnlοad='test()'><p>Parsed HTML into a doc.</p></body></html>";
Document doc = Jsoup.parse(html);
Elements es = doc.body().getAllElements();
System.out.println("获取onload方法名：" + es.attr("onload"));
System.out.println("获取指定标签内容：" + es.select("p"));
}
/**
* 解析URL
*/
public void parseUrl() {
try {
Document doc = Jsoup.connect("http://www.baidu.com/").get();
Elements hrefs = doc.select("a[href]");
System.out.println("获取链接地址方式一：" + hrefs);
System.out.println("------------------");
System.out.println("获取链接地址方式二:" + hrefs.select("[href^=http]"));
} catch (IOException e) {
e.printStackTrace();
}
}
/**
* 解析文件
*/
public void parseFile() {
try {
File input = new File("input.html");
Document doc = Jsoup.parse(input, "UTF-8");
// 提取出所有的编号
Elements codes = doc.body().select(
"td[title^=IA] > a[href^=javascript:view]");
System.out.println(codes);
System.out.println("------------------");
System.out.println(codes.html());
} catch (IOException e) {
e.printStackTrace();
}
}
} 
12-13
1599
1599
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
