优快云 Android客户端开发 二 详解如何基于Java用Jsoup爬虫HTML数据

分享一下我老师大神的人工智能教程！零基础，通俗易懂！http://blog.youkuaiyun.com/jiangjunshow

也欢迎大家转载本篇文章。分享知识，造福人民，实现我们中华民族伟大复兴！

               

本文参考鸿洋大大的链接详细介绍如何使用Jsoup包抓取HTML数据，是一个纯java工程，并将其打包成jar包。希望了解如何用java语言爬虫网页的可以看下。

 杂家前文就又介绍用HTTP访问百度主页得到html的string字符串，但html的文本数据如果不经过处理就是个文本字符串没有任何效果的。所谓的浏览器就是负责将文本的html“翻译”成看到的界面。在前文有介绍，这个csdn的客户端app分首页、业界、移动、研发、程序员、云计算五大类。以业界为例，http://news.youkuaiyun.com/ 实际加上page1的http地址是：http://news.youkuaiyun.com/news/1

从上图可知，一个完整的新闻包含东西还是比较多的，将其抽象出来ID号、标题、链接、日期、图片链接、内容、类型，这7个属性。

一、新建org.yanzi.bean包，里面有两个java文件

NewsItem.java是上面具有7个属性的新闻bean