JSoup解析HTML使用笔记（一）

snake_hand

浏览: 576776 次

最近访客更多访客>>

u012363178

Netpet_11

tsaowe

zhuxinyu

博主相关

博客

微博

相册

留言

关于我

文章分类

社区版块

存档分类

学习java有3个多月了，一直想在学习过程中写点什么，把自己的成长历程记录下来，但是一直不知道写些什么。这次我终于下定决心写出自己的第一篇文章，督促自己学习，希望大神勿喷，如果哪位大神有闲心阅读了一下，如有错误，希望能够指出，在下感激不尽，也希望能和像我一样的初学者共同学习进步。

Jsoup是java的一个解析和遍历HTML的API，可以把一个HTML字符串解析成一个Document文档，并且会尽可能的得到一个标准的解析结果。

会自动补充缺失的结束标记。（eg:"<p>Jsoup<p>Jsoup"会解析为"<p>Jsoup</p><p>Jsoup</p>"）
官方文档说会创建隐式标签，即（"<td>Jsoup</td>"会解析为<table><tr><td>Jsoup</td></tr></table>"），但是经验证并不会创建，而是会忽略td标签，解析为（"Jsoup"）；
会自动创建完整的HTML页面结构，即自动创建<html><head><body>标签。

例如：

public static void main(String[] args){
    String html1="<p>Jsoup<p>LKZERO";
    Document doc=Jsoup.parse(html1); 
    System.out.println(doc.toString());
    System.out.println("--------");
        
    String html2="<td>LKZERO</td><br>" +
        "<tr><td>LKZERO<td></tr><br />" +
        "<table><tr><td>JSOUP</td></tr></table>";
    Document doc2=Jsoup.parse(html2); 
    System.out.println(doc2.toString());
}

得到结果：

<html>
 <head></head>
 <body>
  <p>Jsoup</p>
  <p>LKZERO</p>
 </body>
</html>
--------
<html>
 <head></head>
 <body>
  LKZERO
  <br />LKZERO
  <br />
  <table>
   <tbody>
    <tr>
     <td>JSOUP</td>
    </tr>
   </tbody>
  </table>
 </body>
</html>

Jsoup解析得到的Document文档是由Document，Element，Node和TextNode组成的，其中Document继承Element，Element继承Node，TextNode继承Node。

parse()静态方法：Jsoup解析HTML字符串使用parse静态方法，无论HTML字符串是什么内容，都会得到一个Document文档，至少会包含<html><head><body>三个元素。
parseBodyFragment()静态方法：经我测试与parse()得到的结果相同，不太明白二者区别。官方文档上说此方法把任何用户输入的HTML都会被解析为body部分，但是我测试得到的结果并不是这样。希望有大神能够指导。

分享到：