jsoup遍历html,使用Jsoup解析和遍历一个HTML文档

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。

本文将使用Jsoup来解析和遍历一个HTML文档，希望通过本文大家对Jsoup爬虫有一个初步的认识和理解。

如何解析一个HTML文档，看下面的代码：String html = "

First parse"

+ "

Parsed HTML into a doc.

";

Document doc = Jsoup.parse(html);

其解析器能够尽最大可能从你提供的HTML文档来创见一个干净的解析结果，无论HTML的格式是否完整。比如它可以处理：没有关闭的标签 (比如：

Lorem

Ipsum parses to

Lorem

Ipsum

)

隐式标签 (比如. 它可以自动将

Table data包装成

?) 创建可靠的文档结构(html标签包含head 和 body，在head只出现恰当的元素) 一个文档的对象模型文档由多个Elements和TextNodes组成 (以及其它辅助nodes：详细可查看：nodes package tree). 一个Element包含一个子节点集合，并拥有一个父Element。他们还提供了一个唯一的子元素过滤列表。 参考资料