Android应用开发-小巫CSDN博客客户端Jsoup篇
距上一篇博客已经过去了两个星期,小巫也觉得非常抱歉,因为在忙着做另外一个项目,几乎抽不出空来,这不小巫会把剩下的博文全部在国庆补上。本篇博客将会给大家介绍如何使用Jsoup这个库来解析我们的网页,并且如何对我们想解析的网页进行分析。
Jsoup这个库的下载地址:http://jsoup.org/download
笔者这里使用的jsoup-1.7.2
下载完之后复制到项目中的libs目录下即可:
Jsoup的资料比较少,可供参考的可到其官网进行学习这个库的使用:http://www.open-open.com/jsoup/
API查阅地址:http://jsoup.org/apidocs/
对这个库的使用笔者也不是非常熟悉,就只是简单参考了文档而完成了解析工作,所以下面的笔者的解析代码也只是提供参考,具体的解析方法,请认真查看api文档。
如何使用Jsoup这个库不是重点,重点是如何对我们想解析的网页进行分析,如何做到像以下的效果:
这里可以看到首页是获取笔者博客的博文列表,每一个条目都有对应的标题、博文摘要、发布时间、阅读数、评论数。这些内容就是通过解析首页html页面所得到的内容。
好,就是这样的一个html页面,大伙是不是很想把它搬到手机上呢,只要你学会了如何分析html页面,你可以把任何你想要的内容搬下来,只要你抓取的网页没有做防扒取的措施。
笔者使用的浏览器是Google Chrome,作为专业的IT人士,不用Chrome确实说不过去,按下F12,你就可以看到以下景象,感觉好兴奋啊,可以去寻找你想要的宝藏了。是啊,逗比可以往下看了:
如果想解析一个网页,还是得你自己以上面这种方式去看,找到你想要的内容。小巫是这样做的,可以通过右键查看元素,直接查看对应的html源代码,这样你就知道内容对应的标签是什么了。因为小巫想获得首页的所有博文列表,所以我就找到博文的最外层的div标签开始分析,我找到了id为article_list,然后接着找到了每条博文项的内容,确定下它们的具体的标签,使用了什么class,博客可以通过class来获取你想要的元素,然后取得元素的内容。
直接上代码吧:
- /**
- * 使用Jsoup解析html文档
- *
- * @param blogType
- * @param str
- * @return
- */
- public static List<BlogItem> getBlogItemList(int blogType, String str) {
- // Log.e("URL---->", str);
- List<BlogItem> list = new ArrayList<BlogItem>();
- // 获取文档对象
- Document doc = Jsoup.parse(str);
- // Log.e("doc--->", doc.toString());
- // 获取class="article_item"的所有元素
- Elements blogList = doc.getElementsByClass("article_item");
- // Log.e("elements--->", blogList.toString());
- for (Element blogItem : blogList) {
- BlogItem item = new BlogItem();
- String title = blogItem.select("h1").text(); // 得到标题
- // System.out.println("title----->" + title);
- String description = blogItem.select("div.article_description")
- .text();
- // System.out.println("descrition--->" + description);
- String msg = blogItem.select("div.article_manage").text();
- // System.out.println("msg--->" + msg);
- String date = blogItem.getElementsByClass("article_manage").get(0)
- .text();
- // System.out.println("date--->" + date);
- String link = BLOG_URL
- + blogItem.select("h1").select("a").attr("href");
- // System.out.println("link--->" + link);
- item.setTitle(title);
- item.setMsg(msg);
- item.setContent(description);
- item.setDate(date);
- item.setLink(link);
- item.setType(blogType);
- // 没有图片
- item.setImgLink(null);
- list.add(item);
- }
- return list;
- }
小巫通过class="article_item"获取到所有的元素,也就是Element,然后遍历所有的元素,把每个元素我们需要的值取出来。我们可以定义一个实体类,比如文章项BlogItem,通过创建不同的BlogItem对象,然后最后添加到list当中,我们就可以把所有博文列表保存下拉,下次取的时候,直接通过list来取即可。
我们可以看到使用Jsoup这个库,只需要那么少的代码就可以轻松获取到我们想要的内容,编码、效率啥都有,还等什么,去用吧。
然后获取博文详细内容也是类似的,给定一个url,我们就可以同样的方式去解析html代码:
- /**
- * 扒取传入url地址的博客详细内容
- *
- * @param url
- * @param str
- * @return
- */
- public static List<Blog> getContent(String url, String str) {
- List<Blog> list = new ArrayList<Blog>();
- // 获取文档内容
- Document doc = Jsoup.parse(str);
- // 获取class="details"的元素
- Element detail = doc.getElementsByClass("details").get(0);
- detail.select("script").remove(); // 删除每个匹配元素的DOM。
- // 获取标题
- Element title = detail.getElementsByClass("article_title").get(0);
- Blog blogTitle = new Blog();
- blogTitle.setState(Constants.DEF_BLOG_ITEM_TYPE.TITLE); // 设置状态
- blogTitle.setContent(ToDBC(title.text())); // 设置标题内容
- // 获取文章内容
- Element content = detail.select("div.article_content").get(0);
- // 获取所有标签为<a的元素
- Elements as = detail.getElementsByTag("a");
- for (int b = 0; b < as.size(); b++) {
- Element blockquote = as.get(b);
- // 改变这个元素的标记。例如,<span>转换为<div> 如el.tagName("div");。
- blockquote.tagName("bold"); // 转为粗体
- }
- Elements ss = detail.getElementsByTag("strong");
- for (int b = 0; b < ss.size(); b++) {
- Element blockquote = ss.get(b);
- blockquote.tagName("bold");
- }
- // 获取所有标签为<p的元素
- Elements ps = detail.getElementsByTag("p");
- for (int b = 0; b < ps.size(); b++) {
- Element blockquote = ps.get(b);
- blockquote.tagName("body");
- }
- // 获取所有引用元素
- Elements blockquotes = detail.getElementsByTag("blockquote");
- for (int b = 0; b < blockquotes.size(); b++) {
- Element blockquote = blockquotes.get(b);
- blockquote.tagName("body");
- }
- // 获取所有标签为<ul的元素
- Elements uls = detail.getElementsByTag("ul");
- for (int b = 0; b < uls.size(); b++) {
- Element blockquote = uls.get(b);
- blockquote.tagName("body");
- }
- // 找出粗体
- Elements bs = detail.getElementsByTag("b");
- for (int b = 0; b < bs.size(); b++) {
- Element bold = bs.get(b);
- bold.tagName("bold");
- }
- // 遍历博客内容中的所有元素
- for (int j = 0; j < content.children().size(); j++) {
- Element c = content.child(j); // 获取每个元素
- // 抽取出图片
- if (c.select("img").size() > 0) {
- Elements imgs = c.getElementsByTag("img");
- System.out.println("img");
- for (Element img : imgs) {
- if (!img.attr("src").equals("")) {
- Blog blogImgs = new Blog();
- // 大图链接
- if (!img.parent().attr("href").equals("")) {
- blogImgs.setImgLink(img.parent().attr("href"));
- System.out.println("href="
- + img.parent().attr("href"));
- if (img.parent().parent().tagName().equals("p")) {
- // img.parent().parent().remove();
- }
- img.parent().remove();
- }
- blogImgs.setContent(img.attr("src"));
- blogImgs.setImgLink(img.attr("src"));
- System.out.println(blogImgs.getContent());
- blogImgs.setState(Constants.DEF_BLOG_ITEM_TYPE.IMG);
- list.add(blogImgs);
- }
- }
- }
- c.select("img").remove();
- // 获取博客内容
- Blog blogContent = new Blog();
- blogContent.setState(Constants.DEF_BLOG_ITEM_TYPE.CONTENT);
- if (c.text().equals("")) {
- continue;
- } else if (c.children().size() == 1) {
- if (c.child(0).tagName().equals("bold")
- || c.child(0).tagName().equals("span")) {
- if (c.ownText().equals("")) {
- // 小标题,咖啡色
- blogContent
- .setState(Constants.DEF_BLOG_ITEM_TYPE.BOLD_TITLE);
- }
- }
- }
- // 代码
- if (c.select("pre").attr("name").equals("code")) {
- blogContent.setState(Constants.DEF_BLOG_ITEM_TYPE.CODE);
- blogContent.setContent(ToDBC(c.outerHtml()));
- } else {
- blogContent.setContent(ToDBC(c.outerHtml()));
- }
- list.add(blogContent);
- }
- return list;
- }
获取评论列表:
- /**
- * 获取博文评论列表
- *
- * @param str
- * json字符串
- * @return
- */
- public static List<Comment> getBlogCommentList(String str, int pageIndex,
- int pageSize) {
- List<Comment> list = new ArrayList<Comment>();
- try {
- // 创建一个json对象
- JSONObject jsonObject = new JSONObject(str);
- JSONArray jsonArray = jsonObject.getJSONArray("list"); // 获取json数组
- int index = 0;
- int len = jsonArray.length();
- BlogCommentActivity.commentCount = String.valueOf(len); // 评论条数
- // 如果评论数大于20
- if (len > 20) {
- index = (pageIndex * pageSize) - 20;
- }
- if (len < pageSize && pageIndex > 1) {
- return list;
- }
- if ((pageIndex * pageSize) < len) {
- len = pageIndex * pageSize;
- }
- for (int i = index; i < len; i++) {
- JSONObject item = jsonArray.getJSONObject(i);
- String commentId = item.getString("CommentId");
- String content = item.getString("Content");
- String username = item.getString("UserName");
- String parentId = item.getString("ParentId");
- String postTime = item.getString("PostTime");
- String userface = item.getString("Userface");
- Comment comment = new Comment();
- comment.setCommentId(commentId);
- comment.setContent(content);
- comment.setUsername(username);
- comment.setParentId(parentId);
- comment.setPostTime(postTime);
- comment.setUserface(userface);
- if (parentId.equals("0")) {
- // 如果parentId为0的话,表示它是评论的topic
- comment.setType(Constants.DEF_COMMENT_TYPE.PARENT);
- } else {
- comment.setType(Constants.DEF_COMMENT_TYPE.CHILD);
- }
- list.add(comment);
- }
- } catch (JSONException e) {
- e.printStackTrace();
- }
- return list;
- }
具体使用细节可以参考笔者提供的源码:http://download.csdn.net/detail/wwj_748/7912513
小巫已经把解析html的思路告诉大家啦,剩下如何来学习jsoup这个库解析html就靠你们自己去做了。下一篇博客预告,集成友盟社会化组件,详细给大家介绍如何集成友盟提供的社会化组件SDK。