Jsoup的简单使用

在android上，我们有时候需要获取网站上面的信息，所以就需要解析html文件啦，解析方法可以用Jsoup来完成，方法很简单，总的来说，这个类就之后如下几个很有用的方法：

1.加载指定网站的方法块，返回的是保存了这个网站的所有源代码的Document封装类

Document doc = null;
    try {
      doc = Jsoup.connect("javascript:void(0)").get();
    } catch (IOException e) {
      // TODO Auto-generated catch block
      e.printStackTrace();
    }

2.

Elements elements = doc.getElementsByClass("unit");

获取Elements的第一种方法，从整个Document获取指定class（也就是标签中的class属性）的标签块。

3.

doc.getElementsByTag("")

获取Elements的第二种方法，获取整个Document中指定的标签的标签块。

4.另外，通过Element对象也有上面所说的两种方法获取。

5.

elements.size()

获取Elements中所有元素的个数

6.

Element element = elements.get(i);

 获取Elements中某个指定的元素，也就是Element

7.

element.getElementsByTag("a").attr("href")

 获取指定标签中的指定属性里面的内容

8.

element..getElementsByTag("a").text()

 获取指定标签中被标签包住的内容

下面代码演示了Jsoup的基本提取信息的功能：

需要提取的文章是：​​javascript:void(0)​​

网站中包含了如下想要提取的内容：

因为结构都是一样的，下面我贴出了一个内容：

<div class="unit">
  <h1>
    <a href=" target="_blank">如果你希望开源未来能更好，那么欢迎来帮助开源“进步”</a>
  </h1>
</div>

提取代码如下：

import java.io.IOException;

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

public class JsoupTest {

  public static void main(String[] args) {
    // TODO Auto-generated method stub
    Document doc = null;
    try {
      doc = Jsoup.connect("javascript:void(0)").get();
    } catch (IOException e) {
      // TODO Auto-generated catch block
      e.printStackTrace();
    }
    //获取网站中所有标签中class=unit的整个标签
    Elements elements = doc.getElementsByClass("unit");
    Element element = null;
    for (int i = 0; i < elements.size(); i++) {
      //遍历elements中的所有元素
      element = elements.get(i);
      String href1 = element.getElementsByTag("h1").get(0).getElementsByTag("a").attr("href");
      System.out.println(href1);
      String title = element.getElementsByTag("h1").get(0).getElementsByTag("a").text();
      System.out.println(title);
    }
  }

}