DOM文档包括 HTML, XML等等

下载： http://jsoup.org/download

Jsoup 获取数据的方式

//html 文本， url， 本地html

String html = "<html>"

        + "<head>carloz Jsoup用法</head>"

        + "<body>"

        + "<p><a href='http://baidu.com'>这里是jsoup项目相关的文章</a></p>"

        + "</body>"

        + "</html>";

//html text

Document doc = Jsoup.parse(html);

doc.title();

String url = "http://baidu.com";

//get 方式获取数据

try {

    Document doc2 = Jsoup.connect(url).get();

} catch (IOException e) {

    e.printStackTrace();

}

//post 方式获取数据

try {

    Document doc3 = Jsoup.connect(url).data("key", "value").timeout(3000).post();

} catch (IOException e) {

    e.printStackTrace();

}

//本地文件获取数据

File input = new File(Environment.getDataDirectory()+"/index.html");

try {

    Document doc4 = Jsoup.parse(input, "utf-8", "http://baidu.com");

} catch (IOException e) {

    e.printStackTrace();

}

Jsoup操作DOM文档

//html 文本， url， 本地html

String html = "<html>"

        + "<head>carloz Jsoup用法</head>"

        + "<body>"

        + "<p><a href='http://baidu.com'>这里是jsoup项目相关的文章</a></p>"

        + "</body>"

        + "</html>";

//html text

Document doc = Jsoup.parse(html);

doc.title();

//选择元素，获取元素的相关属性

Elements eles = doc.getElementsByTag("a");

for(Element link : eles){

    String linkHref = link.attr("href");

    String text = link.text();

}

//遍历

Elements elements = doc.select("a[href]"); //带有连接的a标签

Elements elements2 = doc.select("img[src$=.png]"); //带有连接的图像

Element elements3 = doc.select("div.className").first(); //带有连接的图像

//元素操作

doc.select("div.className").attr("key", "value");

doc.select("div.className").addClass("myClass"); // 添加： class="myClass"

doc.select("img").removeAttr("onclick"); //移除方法

//文档清理， 将不安全的html代码 转化为安全的形式

String htmls = "";

String safeHtml = Jsoup.clean(htmls, Whitelist.basic());

------------------------------------------------

实例操作

* 1. 使用Jsoup解析 html新闻列表

添加网络访问权限 <uses-permission android:name="android.permission.INTERNET"/>

解析网址 http://mobile.csdn.net/

网络操作，需要新建线程

//涉及网络请求，创建一个线程

new Thread(new Runnable(){

    @Override

    public void run() {

        parseHtml();

    }

}).start();
private void parseHtml() {

    try {

        Document doc = Jsoup.connect(url).get();

        //去网页分析html格式

        Elements elements = doc.select("div.unit");

        for(Element e : elements) {

            String title = e.getElementsByTag("h1").first().text();

            String href = e.getElementsByTag("h1").first()

                    .getElementsByTag("a").first().attr("href");

            Log.i(TAG, title + ": " + href);

        }

    } catch (IOException e) {

        // TODO Auto-generated catch block

        e.printStackTrace();

    }

}

运行结果

08-10 16:17:59.427: I/CARLOZ(14728): Google产品总监：改良Apple Watch UI的若干设想: http://www.csdn.net/article/2015-08-10/2825421

08-10 16:17:59.427: I/CARLOZ(14728): Android项目中如何用好构建神器Gradle？: http://www.csdn.net/article/2015-08-10/2825420

08-10 16:17:59.427: I/CARLOZ(14728): Oculus PC SDK 0.7版即将发布，含新Direct Driver Mode: http://www.csdn.net/article/2015-08-10/2825419-Oculus-SDK-0-7-new-direct-driver-mode-and-a-major-overhaul

08-10 16:17:59.427: I/CARLOZ(14728): 实战iOS 9：详解Xcode的Code Coverage工具: http://www.csdn.net/article/2015-08-07/2825410

08-10 16:17:59.427: I/CARLOZ(14728): 《近匠》Remix周哲，让Android运行在“电脑”上！: http://www.csdn.net/article/2015-08-06/2825396-remix-tablet

08-10 16:17:59.427: I/CARLOZ(14728): Android上玩玩Hook：Cydia Substrate实战: http://www.csdn.net/article/2015-08-07/2825405

08-10 16:17:59.427: I/CARLOZ(14728): 易讯理想科技自研AR技术 面向商业场景推“幻视”AR应用: http://www.csdn.net/article/2015-08-06/2825398

08-10 16:17:59.427: I/CARLOZ(14728): 令人惊叹的复杂之美：如何做一个iOS分形App？: http://www.csdn.net/article/2015-08-05/2825382

08-10 16:17:59.427: I/CARLOZ(14728): 游戏设计中的色彩哲学：没想象的那么简单: http://www.csdn.net/article/2015-08-04/2825378

08-10 16:17:59.427: I/CARLOZ(14728): iOS开发实战教学：在Swift怎样创建CocoaPod？: http://www.csdn.net/article/2015-08-05/2825383

* 2. 使用Jsoup解析Epub3

private void parseEpub(){

    //2. 使用Jsoup解析Epub电子书

    //toc.ncx 复制放在assets目录

    try {

        InputStream is = getAssets().open("toc.ncx");

        int size = is.available();

        byte[] buffer = new byte[size];

        is.read(buffer);

        is.close();

        String epubText = new String(buffer, "utf-8");

        Document doc = Jsoup.parse(epubText);

        String docTitle = doc.getElementsByTag("docTitle").first().text();

        Elements eles = doc.getElementsByTag("navPoint");

        for(Element e : eles){

            String title = e.text();

            String href = e.getElementsByTag("content").first().attr("src");

            Log.i(TAG,  title + ": " + href);

        }

    } catch (IOException e) {

        // TODO Auto-generated catch block

        e.printStackTrace();

    }

}

运行结果

08-10 16:37:28.847: I/CARLOZ(16323): 第一章 童年: chapter_156815.xhtml

08-10 16:37:28.847: I/CARLOZ(16323): 第二章 灾难: chapter_156816.xhtml

08-10 16:37:28.847: I/CARLOZ(16323): 和尚的生涯: chapter_156817.xhtml

08-10 16:37:28.847: I/CARLOZ(16323): 第三章 踏上征途: chapter_156818.xhtml

08-10 16:37:28.847: I/CARLOZ(16323): 第四章 就从这里起步: chapter_156819.xhtml

08-10 16:37:28.847: I/CARLOZ(16323): 第五章 储蓄资本: chapter_156820.xhtml

08-10 16:37:28.847: I/CARLOZ(16323): 最后一个障碍: chapter_156821.xhtml

08-10 16:37:28.847: I/CARLOZ(16323): 第六章 霸业的开始: chapter_156822.xhtml

...

Jsoup库 解析DOM文档的更多相关文章

  1. Java高级特性 第13节 解析XML文档(1) - DOM和XPath技术

    一.使用DOM解析XML文档 DOM的全称是Document Object Model,也即文档对象模型.在应用程序中,基于DOM的XML分析器将一个XML文档转换成一个对象模型的集合(通常称DOM树 ...

  2. java解析xml文档(dom)

    DOM解析XML文档 读取本地的xml文件,通过DOM进行解析,DOM解析的特点就是把整个xml文件装载入内存中,形成一颗DOM树形结构,树结构是方便遍历和和操纵. DOM解析的特性就是读取xml文件 ...

  3. 将XML解析成DOM文档

    在支持html5的浏览其中,可以使用标准解析器DOMParser对象进行解析html或者xml等字符串 var data = '<div></div>'; var tmp = ...

  4. JavaScript : DOM文档解析详解

    JavaScript DOM  文档解析 1.节点(node):来源于网络理论,代表网络中的一个连接点.网络是由节点构成的集合 <p title=“a gentle reminder”> ...

  5. DOM生成XML文档与解析XML文档(JUNIT测试)

    package cn.liuning.test; import java.io.File; import java.io.IOException; import javax.xml.parsers.D ...

  6. Java解析XML文档(简单实例)——dom解析xml

      一.前言 用Java解析XML文档,最常用的有两种方法:使用基于事件的XML简单API(Simple API for XML)称为SAX和基于树和节点的文档对象模型(Document Object ...

  7. python优秀库 － 使用xmltodict解析xml文档

    上次讲到如何使用BeautifulSoup解析XML文档,今天发现另外一个python库xmltodict(https://github.com/martinblech/xmltodict)也很简单. ...

  8. JAVA读取XML，JAVA读取XML文档，JAVA解析XML文档，JAVA与XML，XML文档解析(Document Object Model, DOM)

    使用Document Object Model, DOM解析XML文档 也可参考我的新浪博客:http://blog.sina.com.cn/s/blog_43ac5543010190w3.html ...

  9. Java解析XML文档——dom解析xml

    一.前言 用Java解析XML文档,最常用的有两种方法:使用基于事件的XML简单API(Simple API for XML)称为SAX和基于树和节点的文档对象模型(Document Object M ...

随机推荐

  1. rfc的资料

    所有rfc的集结地:    http://www.rfc-editor.org/rfc rtp的rfc: http://en.wikipedia.org/wiki/RTP_audio_video_pr ...

  2. 【转】VS2013编译libjpeg库

    原文地址:http://blog.csdn.net/weixinhum/article/details/42718959 现在,很多图像处理工具和开源库都给出了图像解码的函数接口,然而有时这些接口并不 ...

  3. java 23 种设计模式

    一.设计模式的分类 总体来说设计模式分为三大类: 创建型模式,共五种:工厂方法模式.抽象工厂模式.单例模式.建造者模式.原型模式. 结构型模式,共七种:适配器模式.装饰器模式.代理模式.外观模式.桥接 ...

  4. java base64编码 加密和解密（切记注意乱码问题）

    BASE64 编码是一种常用的字符编码,在很多地方都会用到.JDK 中提供了非常方便的 BASE64Encoder 和 BASE64Decoder,用它们可以非常方便的完成基于 BASE64 的编码和 ...

  5. DELPHI TreeView 文件目录树和 设置节点图标 完整

        DELPHI TreeView 文件目录树和 设置节点图标   下载地址 http://download.csdn.net/detail/teststudio/6448293     需要制作 ...

  6. oracle左右连接 完全连接 有效连接 心得总结

    左链接 A表  Left  join  B表  on  条件 示例 A表 B表 SELECT * FROM A  left JOIN B ON A.AID = B.BID; 结果: 左链接查询出来的数 ...

  7. MAC 环境下 初始化新的mysql root 密码

    mac 环境下初始化mysql的root密码 关掉mysql服务,打开系统设置最后的mysql,然后将mysql先关掉 生成一个文件命名mysql-init,文件中放入:一句话,这句话不同版本不一样, ...

  8. web前端：js

    内嵌样式<script></script> alert(“123”)弹出对话框 document.write(“test”) 引入方式 <title></ti ...

  9. 【转】Windows环境下.NET 操作Oracle问题

    目前,Windows操作系统可以分成两类,32位和64位(64位也区分x86_64位和Itanium ),同时Oracle客户端也做了同样的区分. 在安装和开发的过程中,经常会遇到一些问题,本文就总结 ...

  10. 自定义Window 服务

    自定义window 服务 开发到使用的流程: 1.完成对应的代码之后(代码在底下),右键MyService.cs 添加安装程序 2.添加window服务安装程序打开Service1.cs[设计]页面, ...