成就源于知识，知识在于积累。

360百科：1 简介　　Java 程序在解析HTML 文档时，相信大家都接触过htmlparser 这个开源项目，我曾经在IBM DW 上发表过两篇关于htmlparser 的文章，分别是：从HTML中攫取你所需的信息 和扩展HTMLParser 对自定义标签的处理能力。但现在我已经不再使用htmlparser 了，原因是htmlparser 很少更新，但最重要的是有了jsoup 。

针对上一篇写的内容很简单，只是给大家抛出了有一个工具可以用来分析网页的内容，做java搜索爬虫使用，实际的使用并没有怎么介绍，现在这篇文章就来介绍一下用法，可能分析的不是很全面，欢迎批评。经过我的测试使用，jsoup分析网页结构和内容的功能远远强大于HtmlParser,无论是获取整个页面的文本，还是分析特定内容的网页结构，都是十分的方便。　　附上链接：jsoup官网：http://j

package com.myjsoup;import java.io.IOException;import java.util.Iterator;import org.jsoup.Jsoup;import org.jsoup.nodes.Document;import org.jsoup.nodes.Element;import org.jsoup.select.E

1、运用Jsoup删除HTML中指定元素的标签

HTTP状态码大全完整的 HTTP 1.1规范说明书来自于RFC 2616，你可以在http://www.talentdigger.cn/home/link.php?url=d3d3LnJmYy1lZGl0b3Iub3JnLw%3D%3D在线查阅。HTTP 1.1的状态码被标记为新特性，因为许多浏览器只支持 HTTP 1.0。你应只把状态码发送给支持 HTTP 1.1的

由于在html中空格只能用 表示，当运用Jsoup抓取html页面后，我们将html页面进行解析时，Java对html页面的代码不识别，输入到控制台时出现乱码，在网上查了很多资料都没有找到很好的解决办法，最后在一篇论坛中说到“运用字符串替换”可以进行解决，于是运用简单的字符串替换原理对此进行处理。对其替换处理后再对html文件进行解析。具体实现代码如下：//参数说明：oldFile为

前一段时间运用htmlparser时，获取地址是时直接将html页面的相对地址转换成绝对地址，然而今天在运用jsoup，开始的时候发现只能得到相对地址，最后在网上寻找到了解决办法。htmlparser获得URLs：//参数说明：parser为模拟浏览器对URL地址操 dataPath：所解析的URL存放路径 dataName：存放URL的数据库名 public static

由于数据抓取的需要，将网页下载完后

jsoup使用        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。请参考：http://jsoup.org/       jsoup的主要功能如下：       从一个URL，文件或字符串中解析HT