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. Div 3 - SGU 105（找规律）

    分析:很容易知道序列1,2,3, 4,5, 6......与3的关系就是1,2, 0,1, 2,0,......如果是在一个数后面添加一个数就变成了这种序列1, 0, 0, 1, 0, 0, 1, 0 ...

  2. UVa1607 poj1435 UVaLive1686 Gates

    填坑系列(p.246) 由函数连续性得满足二分性 #include<cstdio> #include<cstring> #include<cstdlib> #inc ...

  3. 【题解】A-B

    [问题描述]出题是一件痛苦的事情!题目看多了也有审美疲劳,于是我舍弃了大家所熟悉的 A+B Problem,改用 A-B 了哈哈!好吧,题目是这样的:给出一串数以及一个数字 C,要求计算出所有 A-B ...

  4. css3实践—创建3D立方体

    css3实践-创建3D立方体 要想实现3D的效果,其实非常简单,只需指定一个元素为容器并设置transform-style:preserve-3d,那么它的后代元素便会有3D效果.不过有很多需要注意的 ...

  5. BloomFilter--大规模数据处理利器

    Bloom Filter是由Bloom在1970年提出的一种多哈希函数映射的快速查找算法.通常应用在一些需要快速判断某个元素是否属于集合,但是并不严格要求100%正确的场合. 一. 实例 为了说明Bl ...

  6. 安装在ubuntu12.04上安装gcc4.8

    因为gcc4.8支持最新的c++11标准,所有开始c++11标准系列学习前,请按照gcc4.8,方便边学习边写代码练习. 安装编译好的gcc4.8 sudo add-apt-repository pp ...

  7. 利用Java API通过路径过滤上传多文件至HDFS

    在本地文件上传至HDFS过程中,很多情况下一个目录包含很多个文件,而我们需要对这些文件进行筛选,选出符合我们要求的文件,上传至HDFS.这时就需要我们用到文件模式. 在项目开始前,我们先掌握文件模式 ...

  8. [转] nginx 开启gzip压缩--字符串压缩比率很牛叉

    http://www.cnblogs.com/dasn/articles/3716055.html 刚刚给博客加了一个500px相册插件,lightbox引入了很多js文件和css文件,页面一下子看起 ...

  9. IDLHDF5读取与转换

    需求决定了动力,此时近凌晨一点,忙里偷闲,终于忙完了今天的“这点儿”事儿.参考帮助文档,从hdf的读写,捉摸hdf5的读写,总算弄明白了.稍作总结,以备候查. hdf5作为hdf数据的补充与升级,目前 ...

  10. css 实现页面加载中等待效果

    <!DOCTYPE html> <html> <head> <title>css实现页面加载中,请稍候效果</title> <meta ...