如何解析一個HTML文檔：
String html = "<html><head><title>First parse</title></head>" + "<body><p>Parsed HTML into a doc.</p></body></html>";Document doc = Jsoup.parse(html);
(更詳細內容可查看 解析一個HTML字串.)
其解析器能夠盡最大可能從你提供的HTML文檔來創見一個乾淨的解析結果，無論HTML的格式是否完整。比如它可以處理： 沒有關閉的標籤 (比如： <p>Lorem <p>Ipsum parses to <p>Lorem</p> <p>Ipsum</p>) 隱式標籤 (比如. 它可以自動將 <td>Table data</td>封裝成<table><tr><td>?) 建立可靠的文檔結構（html標籤包含head 和 body，在head只出現恰當的元素） 一個文檔的物件模型 文檔由多個Elements和TextNodes組成 (以及其它輔助nodes：詳細可查看：nodes package tree). 其繼承結構如下：Document繼承Element繼承Node. TextNode繼承 Node. 一個Element包含一個子節點集合，並擁有一個父Element。他們還提供了一個唯一的子項目過濾列表。
參見 資料幫浦：DOM遍曆 資料幫浦：Selector syntax
從一個URL載入一個Document 存在問題
你需要從一個網站擷取和解析一個HTML文檔，並尋找其中的相關資料。你可以使用下面解決方案： 解決方案
使用 Jsoup.connect(String url)方法:
Document doc = Jsoup.connect("http://example.com/").get();String title = doc.title();
說明
connect(String url) 方法建立一個新的 Connection, 和 get() 取得和解析一個HTML檔案。如果從該URL擷取HTML時發生錯誤，便會拋出 IOException，應適當處理。
Connection 介面還提供一個方法鏈來解決特殊請求，具體如下：
Document doc = Jsoup.connect("http://example.com") .data("query", "Java") .userAgent("Mozilla") .cookie("auth", "token") .timeout(3000) .post();
這個方法只支援Web URLs (http和https 協議); 假如你需要從一個檔案載入，可以使用parse(File in, String charsetName) 代替。
從一個檔案載入一個文檔 問題
在本機硬碟上有一個HTML檔案，需要對它進行解析從中抽取資料或進行修改。 辦法
可以使用靜態 Jsoup.parse(File in, String charsetName, String baseUri) 方法：
File input = new File("/tmp/input.html");Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");
說明
parse(File in, String charsetName, String baseUri) 這個方法用來載入和解析一個HTML檔案。如在負載檔案的時候發生錯誤，將拋出IOException，應作適當處理。
baseUri 參數用於解決檔案中URLs是相對路徑的問題。如果不需要可以傳入一個空的字串。
另外還有一個方法parse(File in, String charsetName) ，它使用檔案的路徑做為 baseUri。 這個方法適用於如果被解析檔案位於網站的本地檔案系統，且相關連結也指向該檔案系統。
使用DOM方法來遍曆一個文檔 問題
你有一個HTML文檔要從中提取資料，並瞭解這個HTML文檔的結構。 方法
將HTML解析成一個Document之後，就可以使用類似於DOM的方法進行操作。範例程式碼：
File input = new File("/tmp/input.html");Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");Element content = doc.getElementById("content");Elements links = content.getElementsByTag("a");for (Element link : links) { String linkHref = link.attr("href"); String linkText = link.text();}
說明
Elements這個對象提供了一系列類似於DOM的方法來尋找元素，抽取並處理其中的資料。具體如下： 尋找元素 getElementById(String id) getElementsByTag(String tag) getElementsByClass(String className) getElementsByAttribute(String key) (and related methods) Element siblings: siblingElements(), firstElementSibling(), lastElementSibling();nextElementSibling(), previousElementSibling() Graph: parent(), children(), child(int index) 元素資料 attr(String key)擷取屬性attr(String key, String value)設定屬性 attributes()擷取所有屬性 id(), className() and classNames() text()擷取常值內容text(String value) 設定常值內容 html()擷取元素內HTMLhtml(String value)設定元素內的HTML內容 outerHtml()擷取元素外HTML內容 data()擷取資料內容（例如：script和style標籤) tag() and tagName() 操作HTML和文本 append(String html), prepend(String html)
Start building with 50+ products and up to 12 months usage for Elastic Compute Service
1 on 1 presale consultation
24/7 Technical Support 6 Free Tickets per Quarter Faster Response
Alibaba Cloud offers highly flexible support services tailored to meet your exact needs.
A comprehensive suite of global cloud computing services to power your business
Payment Methods We Support
