Jsoup-实现简单的网络爬虫-优快云博客

本文链接：https://blog.youkuaiyun.com/zxyudia/article/details/61917964

／Jsoup的简介：
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的功能：
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；

做了一个这样的demo，先看效果图：

(只能上传2M以下，这个真悲催，录了好多次，就这一次小于2M，将就看吧，是一个瀑布流样式，实现下拉刷新，上拉加载更多…)

资源来源：美女图片：http://www.topit.me/tag/美女?p=2

选取截取部分：

在class属性为catalog的div中，所包含的每一个class属性为”e m”的div下都包含一个图片，前端中称div为一个盒子模型，打开其中的一个div，我们可以看到里面的img标签，我们通过这个标签中的src属性，就可以拿到图片的地址。

通过Jsoup我们拿到整个html文档，通过查找class为”e m”的标签，我们拿到一个集合，集合包含整个class属性为”e m”的列表，遍历整个集合，得到其中的每一个div，html中叫这个div为元素也叫标签，整个集合得到的是一个Elements，每一个元素是Element，通过这个Element，再次调用getElementsByTagName，根据img标签，可以获取这个img元素，最后根据这个元素，获取属性为src的内容，就可以取到这个图片地址了，当然还可以获取里面的所有属性信息，你高兴就好….(不明白的就在下面拍砖，我再给你讲讲)。

对应代码：

try {  //调用网络操作获取返回来的html 
        json = Helper.getStringFromUrl(url);
    } catch (IOException e) { 
        e.printStackTrace();           
    }
if(null != json){
       document= Jsoup.parse(json);
       Elements es=null;
       Elements elements=document.getElementsByClass("e m");
       for (Element element : elements) {
       DuitangInfo newsInfo = new DuitangInfo();
       String imageUrl=element.getElementsByTag("img").attr("data-original");
if(imageUrl.toString().trim()==null||imageUrl.toString().trim().equals(""){
        imageUrl=element.getElementsByTag("img").attr("src");
        newsInfo.setIsrc(imageUrl);                               
}else {
        newsInfo.setIsrc(imageUrl);
       }
                        //图片如果有高度的话，可以取得图片高度，在设置
       newsInfo.setHeight(200+(new Random().nextInt(200)));
       duitangs.add(newsInfo);
   }
}

也可以这么写：

 //在异步中调用
 Connection conn=Jsoup.connect("url");     
 Document document=conn.get();//同样可以得到document

总结： Jsoup通过操作网络返回的或者本地读取的html，生成一个DoM树对象，在对这个Dom数进行遍历解析，提取里面想要获取内容、属性值的就可以了，拿到数据，设置在view上，完成操作…
有问题欢迎拍砖，多多指教…..

转载请标明：http://blog.youkuaiyun.com/zxyudia/article/details/61917964

代码下载地址：https://github.com/amelons/Jsoup