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. UCloud EIP 你真的懂得如何使用么？ - SegmentFault

    UCloud EIP 你真的懂得如何使用么? - SegmentFault UCloud EIP 你真的懂得如何使用么?

  2. hdoj 2647 Reward【反向拓扑排序】

    Reward Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others)Total Subm ...

  3. 真机测试---iOS证书(.p12)和描述文件(.mobileprovision)

    iOS证书和描述文件: 证书类型 使用场景 开发(Development)证书和描述文件 用于开发测试,在starain中打包后可在真机环境通过Safari调试 发布(Distribution)证书和 ...

  4. 400. Nth Digit

    这个EASY难度的题怎么感觉比H的还难,昨天没做出来,今天才做出来.. 呃啊..我生 气 啦.. 直接看的答案,耻辱. 1 digit: 1~9 总共1×9个 2 digits: 10~99 总共2× ...

  5. JAVA数据类型与DB2、Oracle、Sybase以及SQL Server对应关系

     java.sql.Types Java  IBM DB2  Oracle  Sybase  SQL-SERVER BIGINT java.lang.long  BIGINT  NUMBER (38, ...

  6. winform Label与DataGridView右对齐 分类： WinForm 2014-05-19 20:51 446人阅读 评论(0) 收藏

    实现Label与DataGridView对齐有两种方法,差别不大: 定义: Label名称:lblName DataGridView名称:dgvData 第一种: lblName.Location = ...

  7. 【转】Android通过Wifi来调试你的应用

    http://stormzhang.com/android/2014/08/27/adb-over-wifi/ 在Android中调试我们经常要用一根USB数据线连接到手机和电脑,一方面麻烦不说,手机 ...

  8. C# 自动登录网页，浏览页面【转载】

    需求:客户的数据同时存在在另外一个不可控的系统中,需要和当前系统同步. 思路:自动登录另外一个系统,然后抓取数据,同步到本系统中. 技术点:模拟用户登录:保存登录状态:抓取数据 /// <sum ...

  9. 禁止鼠标多次点击选中div中的文字

    <!DOCTYPE html><html><head><meta charset="utf-8"><title>Fire ...

  10. hdu 5073 Galaxy

    题意是给定n个点,让求找到一个点p使得sigma( (a[i] - p) ^ 2 ) 最小,其中a[i]表示第i个点的位置.其中有k个点不用算. 思路:发现这道题其实就是求n-k个点方差. 那么推一下 ...