jsoup解析HTML及简单实例

jsoup 中文参考文献    http://www.open-open.com/jsoup/

本文将利用jsoup，简单实现网络抓取的功能，并给出一个小实例，该实例效果为：获取作者本人在博客园写的所有文章的标题。

一：建立一个java工程，导入jsoup包，junit(导入junit包,hamcrest包）。若不知junit为何要导入两个包，请点击链接‘junit的使用’。

二：建立一个demo.java类，实现代码如下：

import java.io.IOException;

import org.jsoup.Connection;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import org.junit.Test;

public class demo {
    @Test
    public void reasUrl() throws IOException {
        String url = "http://www.cnblogs.com/sky-";
        Connection conn = Jsoup.connect(url); // 建立与url中页面的连接
        Document doc = conn.get(); // 解析页面
        Elements links = doc.select("a[href]"); // 获取页面中所有的超链接
        int i = 1;
        for (Element link : links) {
            if ("阅读全文".equals(link.text())) { // 获取页面中每篇文章‘阅读全文’的链接，进入文章
                Document doc2 = Jsoup.connect(link.attr("abs:href")).get(); // 解析每篇文章的页面
                System.out.println("第" + i + "篇：" + doc2.title()); // 把该文章的标题打印出来
                i++;
            }
        }
    }
}

三：运行项目即可得到作者本人在博客园写的所有文章的标题

第1篇：jsoup解析HTML及简单实例 - sky_烁 - 博客园
第2篇：面向接口编程及适配器模式 - sky_烁 - 博客园
第3篇：数据库 SQL语句小结 - sky_烁 - 博客园