本文介绍如何使用Jsoup处理HTML文档，解决XML解析库面对松散HTML结构时的问题。包括Jsoup的基本用法、文档解析、元素选取等关键操作。
问题描述
在 Jenkins Pipeline 中，我们需要对 HTML 文档进行多种操作。之前使用 XMLParser 及 XMLSlurper 库操作 HTML 文档时遇到很多问题，因为 HTML 文档结构松散（比如没有结束标签等等），不是标准的 XML 文件，因此导致 XML 解析失败。
我们现在使用 Jsoup 操作 HTML 文档，该笔记将整理：使用 Jsoup 操作 HTML 文档的常用方法
相关链接
项目主页：jsoup Java HTML Parser, with the best of HTML5 DOM methods and CSS selectors.
获取文档的 DOM 对象：Parsing and traversing a Document: jsoup Java HTML parser
使用选择器选择元素：Use selector-syntax to find elements: jsoup Java HTML parser
元素的查找、获取、操作：Use DOM methods to navigate a document: jsoup Java HTML parser
简单的入门示例
@Grab(group='org.jsoup', module='jsoup', version='1.10.1')
import org.jsoup.Jsoup
def htmlString = "<html><head><title>Title of Page</title></></head></html>"
def htmlDocument = Jsoup.parse(htmlString)
println htmlDocument.getElementsByTag("title").text()
注意事项
如果可能，尽量不要使用任何 XML 类库操作 HTML 文本。
参考文献
WikiNotes/操作 HTML 文档
Html Slurping in Groovy
Use DOM methods to navigate a document
扫一扫
241
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
