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. 《A First Course in Probability》-chaper5-连续型随机变量-随机变量函数的期望

    在关于离散型随机变量函数的期望的讨论中,我们很容易就得到了如下的等式: 那么推广到连续型随机变量,是否也存在类似的规律呢? 即对于连续型随机变量函数的期望,有: 这里给出一个局部的证明过程,完整的证明 ...

  2. STL之deque、queue、stack、list

    首先deque和vector是很像的 但是de代表double双向的队列那么deque可以从首部添加(删除)元素也可以从尾部添加(删除)元素. .push_back(elem) .push_front ...

  3. zendstudio xdebug 配置

    1. 下载XDebug: http://www.xdebug.org/download.php   通过phpinfo()查看你的php版本,现在相对应的dll文件

  4. Magic of David Copperfield II（奇偶性）

    题目大意:这是一个魔术游戏,首先把你的手指放在一个左上角的格子里面,然后魔术师说你可以移动K1步,移动完之后,他会删除一些方格,并且说,你肯定不在这里,删除的方格不可以再去了,然后让你再走K2步,继续 ...

  5. Node.js学习(12)----Web应用开发

    1.使用http模块 Node.js 由于不需要另外的 HTTP 服务器,因此减少了一层抽象,给性能带来不少提升, 但同时也因此而提高了开发难度.举例来说,我们要实现一个 POST 数据的表单,例如: ...

  6. git 分支策略

    转 http://www.ruanyifeng.com/blog/2012/07/git.html  作者: 阮一峰 如果你严肃对待编程,就必定会使用"版本管理系统"(Versio ...

  7. myisam MySQL 锁问题

    2016-07-23  (点击上方公众号,可快速关注) 来源:阿里云 RDS - 数据库内核组 链接:http://mysql.taobao.org/monthly/2016/03/10/ 前言 最近 ...

  8. android edittext 点击回车会响应两次的解决方案

    由于Key有Down和Up事件,所以会执行两次. class editTextOnKeyClickListener implements etOnKeyClickListener { @Overrid ...

  9. [Javascript] Array - join()

    The join() method joins all elements of an array into a string. var name = 'shane osbourne'; var upp ...

  10. 解决Shockwave flash在chrome浏览器上崩溃的问题

    越来越多的人開始使用chrome浏览器,非常多用户都遇到过flash崩溃的问题,有时候重新启动chrome能够解决,有时候会导致无法用chrome打开不论什么站点上的不论什么flash.这个问题非常少 ...