Android应用开发-小巫CSDN博客clientJsoup篇
距上一篇博客已经过去了两个星期，小巫也认为很抱歉，由于在忙着做另外一个项目，差点儿抽不出空来，这不小巫会把剩下的博文全部在国庆补上。本篇博客将会给大家介绍怎样使用Jsoup这个库来解析我们的网页，而且怎样对我们想解析的网页进行分析。
Jsoup这个库的下载地址：
笔者这里使用的jsoup-1.7.2
下载完之后拷贝到项目中的libs文件夹下就可以：
Jsoup的资料比較少，可供參考的可到其官网进行学习这个库的使用：
API查阅地址：
对这个库的使用笔者也不是很熟悉，就仅仅是简单參考了文档而完毕了解析工作，所下面面的笔者的解析代码也仅仅是提供參考，具体的解析方法，请认真查看api文档。
怎样使用Jsoup这个库不是重点，重点是怎样对我们想解析的网页进行分析，怎样做到像下面的效果：
这里能够看到首页是获取笔者博客的博文列表，每一个条目都有相应的标题、博文摘要、公布时间、阅读数、评论数。这些内容就是通过解析首页html页面所得到的内容。
好，就是这种一个html页面，大伙是不是很想把它搬到手机上呢，仅仅要你学会了怎样分析html页面，你能够把不论什么你想要的内容搬下来，仅仅要你抓取的网页没有做防扒取的措施。
笔者使用的浏览器是Google Chrome，作为专业的IT人士，不用Chrome确实说只是去，按下F12，你就能够看到下面景象，感觉好兴奋啊，能够去寻找你想要的宝藏了。是啊，逗比能够往下看了：
假设想解析一个网页，还是得你自己以上面这种方式去看，找到你想要的内容。小巫是这样做的，能够通过右键查看元素，直接查看相应的html源代码，这样你就知道内容相应的标签是什么了。由于小巫想获得首页的全部博文列表，所以我就找到博文的最外层的div标签開始分析，我找到了id为article_list,然后接着找到了每条博文项的内容，确定下它们的具体的标签，使用了什么class，博客能够通过class来获取你想要的元素，然后取得元素的内容。
直接上代码吧：
/** * 使用Jsoup解析html文档 * * @param blogType * @param str * @return */ public static ListgetBlogItemList(int blogType, String str) { // Log.e("URL---->", str); List list = new ArrayList (); // 获取文档对象 Document doc = Jsoup.parse(str); // Log.e("doc--->", doc.toString()); // 获取class="article_item"的全部元素 Elements blogList = doc.getElementsByClass("article_item"); // Log.e("elements--->", blogList.toString()); for (Element blogItem : blogList) { BlogItem item = new BlogItem(); String title = blogItem.select("h1").text(); // 得到标题 // System.out.println("title----->" + title); String description = blogItem.select("div.article_description") .text(); // System.out.println("descrition--->" + description); String msg = blogItem.select("div.article_manage").text(); // System.out.println("msg--->" + msg); String date = blogItem.getElementsByClass("article_manage").get(0) .text(); // System.out.println("date--->" + date); String link = BLOG_URL + blogItem.select("h1").select("a").attr("href"); // System.out.println("link--->" + link); item.setTitle(title); item.setMsg(msg); item.setContent(description); item.setDate(date); item.setLink(link); item.setType(blogType); // 没有图片 item.setImgLink(null); list.add(item); } return list; }
小巫通过class="article_item"获取到全部的元素，也就是Element，然后遍历全部的元素，把每一个元素我们须要的值取出来。我们能够定义一个实体类，比方文章项BlogItem,通过创建不同的BlogItem对象，然后最后加入�到list其中，我们就能够把全部博文列表保存下拉，下次取的时候，直接通过list来取就可以。
我们能够看到使用Jsoup这个库，仅仅须要那么少的代码就能够轻松获取到我们想要的内容，编码、效率啥都有，还等什么，去用吧。
然后获取博文具体内容也是相似的，给定一个url，我们就能够相同的方式去解析html代码：
/** * 扒取传入url地址的博客具体内容 * * @param url * @param str * @return */ public static ListgetContent(String url, String str) { List list = new ArrayList (); // 获取文档内容 Document doc = Jsoup.parse(str); // 获取class="details"的元素 Element detail = doc.getElementsByClass("details").get(0); detail.select("script").remove(); // 删除每一个匹配元素的DOM。 // 获取标题 Element title = detail.getElementsByClass("article_title").get(0); Blog blogTitle = new Blog(); blogTitle.setState(Constants.DEF_BLOG_ITEM_TYPE.TITLE); // 设置状态 blogTitle.setContent(ToDBC(title.text())); // 设置标题内容 // 获取文章内容 Element content = detail.select("div.article_content").get(0); // 获取全部标签为 转换为 如el.tagName("div");。 blockquote.tagName("bold"); // 转为粗体 } Elements ss = detail.getElementsByTag("strong"); for (int b = 0; b < ss.size(); b++) { Element blockquote = ss.get(b); blockquote.tagName("bold"); } // 获取全部标签为0) { Elements imgs = c.getElementsByTag("img"); System.out.println("img"); for (Element img : imgs) { if (!img.attr("src").equals("")) { Blog blogImgs = new Blog(); // 大图链接 if (!img.parent().attr("href").equals("")) { blogImgs.setImgLink(img.parent().attr("href")); System.out.println("href=" + img.parent().attr("href")); if (img.parent().parent().tagName().equals("p")) { // img.parent().parent().remove(); } img.parent().remove(); } blogImgs.setContent(img.attr("src")); blogImgs.setImgLink(img.attr("src")); System.out.println(blogImgs.getContent()); blogImgs.setState(Constants.DEF_BLOG_ITEM_TYPE.IMG); list.add(blogImgs); } } } c.select("img").remove(); // 获取博客内容 Blog blogContent = new Blog(); blogContent.setState(Constants.DEF_BLOG_ITEM_TYPE.CONTENT); if (c.text().equals("")) { continue; } else if (c.children().size() == 1) { if (c.child(0).tagName().equals("bold") || c.child(0).tagName().equals("span")) { if (c.ownText().equals("")) { // 小标题，咖啡色 blogContent .setState(Constants.DEF_BLOG_ITEM_TYPE.BOLD_TITLE); } } } // 代码 if (c.select("pre").attr("name").equals("code")) { blogContent.setState(Constants.DEF_BLOG_ITEM_TYPE.CODE); blogContent.setContent(ToDBC(c.outerHtml())); } else { blogContent.setContent(ToDBC(c.outerHtml())); } list.add(blogContent); } return list; }
获取评论列表：
/** * 获取博文评论列表 * * @param str * json字符串 * @return */ public static ListgetBlogCommentList(String str, int pageIndex, int pageSize) { List list = new ArrayList (); try { // 创建一个json对象 JSONObject jsonObject = new JSONObject(str); JSONArray jsonArray = jsonObject.getJSONArray("list"); // 获取json数组 int index = 0; int len = jsonArray.length(); BlogCommentActivity.commentCount = String.valueOf(len); // 评论条数 // 假设评论数大于20 if (len > 20) { index = (pageIndex * pageSize) - 20; } if (len < pageSize && pageIndex > 1) { return list; } if ((pageIndex * pageSize) < len) { len = pageIndex * pageSize; } for (int i = index; i < len; i++) { JSONObject item = jsonArray.getJSONObject(i); String commentId = item.getString("CommentId"); String content = item.getString("Content"); String username = item.getString("UserName"); String parentId = item.getString("ParentId"); String postTime = item.getString("PostTime"); String userface = item.getString("Userface"); Comment comment = new Comment(); comment.setCommentId(commentId); comment.setContent(content); comment.setUsername(username); comment.setParentId(parentId); comment.setPostTime(postTime); comment.setUserface(userface); if (parentId.equals("0")) { // 假设parentId为0的话，表示它是评论的topic comment.setType(Constants.DEF_COMMENT_TYPE.PARENT); } else { comment.setType(Constants.DEF_COMMENT_TYPE.CHILD); } list.add(comment); } } catch (JSONException e) { e.printStackTrace(); } return list; }
具体使用细节能够參考笔者提供的源代码：
小巫已经把解析html的思路告诉大家啦，剩下怎样来学习jsoup这个库解析html就靠你们自己去做了。下一篇博客预告，集成友盟社会化组件，具体给大家介绍怎样集成友盟提供的社会化组件SDK。