使用JSOUP实现网络爬虫入门：解析和遍历一个HTML文档
jsoup 是一款Java 的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。
jsoup的主要功能如下：
1. 从一个URL，文件或字符串中解析HTML； 2. 使用DOM或CSS选择器来查找、取出数据； 3. 可操作HTML元素、属性、文本；如何解析一个HTML文档：
String html = "<html><head><title>First parse</title></head>"
+ "<body><p>Parsed HTML into a doc.</p></body></html>";
Document doc = Jsoup.parse(html);
其解析器能够尽最大可能从你提供的HTML文档来创见一个干净的解析结果，无论HTML的格式是否完整。比如它可以处理：
- 没有关闭的标签 (比如：
<p>Lorem <p>Ipsumparses to<p>Lorem</p> <p>Ipsum</p>) - 隐式标签 (比如. 它可以自动将
<td>Table data</td>包装成<table><tr><td>?) - 创建可靠的文档结构（html标签包含head 和 body，在head只出现恰当的元素）
- 文档由多个Elements和TextNodes组成 (以及其它辅助nodes：详细可查看：nodes package tree).
- 其继承结构如下：Document继承Element继承Node. TextNode继承 Node.
- 一个Element包含一个子节点集合，并拥有一个父Element。他们还提供了一个唯一的子元素过滤列表。
关注公众号：拾黑（shiheibook）了解更多
[广告]赞助链接：
四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/
程序猿
关注网络尖刀微信公众号随时掌握互联网精彩
赞助链接
排名
热点
搜索指数
- 1 让“干坡坡”变“金窝窝” 7904326
- 2 多地已明确：招聘破除35岁年龄限制 7809064
- 3 少爷现在所有人都知道你考完了 7712457
- 4 让正能量成为网络空间主旋律 7617786
- 5 老师参加高考：不过640分请学生吃饭 7522317
- 6 谢霆锋替身车手去世 年仅37岁 7425291
- 7 爸妈送烧烤花 高考女儿边哭边闻味 7333776
- 8 日本火箭发射5秒后爆炸 7238394
- 9 刘亦菲李沁中间这位女士 7143789
- 10 带你看懂5月CPI和PPI数据 7048650
