## Android应用开发-小巫CSDN博客客户端Jsoup篇 距上一篇博客已经过去了两个星期，小巫也觉得非常抱歉，因为在忙着做另外一个项目，几乎抽不出空来，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如何使用Jsoup这个库来解析我们的网页，并且如何对我们想解析的网页进行分析。 Jsoup这个库的下载地址：[http://jsoup.org/download](http://jsoup.org/download) 笔者这里使用的jsoup-1.7.2 下载完之后复制到项目中的libs目录下即可：  Jsoup的资料比较少，可供参考的可到其官网进行学习这个库的使用：[http://www.open-open.com/jsoup/](http://www.open-open.com/jsoup/) API查阅地址：[http://jsoup.org/apidocs/](http://jsoup.org/apidocs/) 对这个库的使用笔者也不是非常熟悉，就只是简单参考了文档而完成了解析工作，所以下面的笔者的解析代码也只是提供参考，具体的解析方法，请认真查看api文档。 如何使用Jsoup这个库不是重点，重点是如何对我们想解析的网页进行分析，如何做到像以下的效果：  这里可以看到首页是获取笔者博客的博文列表，每一个条目都有对应的标题、博文摘要、发布时间、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，就是这样的一个html页面，大伙是不是很想把它搬到手机上呢，只要你学会了如何分析html页面，你可以把任何你想要的内容搬下来，只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确实说不过去，按下F12，你就可以看到以下景象，感觉好兴奋啊，可以去寻找你想要的宝藏了。是啊，逗比可以往下看了：  如果想解析一个网页，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，可以通过右键查看元素，直接查看对应的html源代码，这样你就知道内容对应的标签是什么了。因为小巫想获得首页的所有博文列表，所以我就找到博文的最外层的div标签开始分析，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，博客可以通过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 List<BlogItem> getBlogItemList(int blogType, String str) { // Log.e("URL---->", str); List<BlogItem> list = new ArrayList<BlogItem>(); // 获取文档对象 Document doc = Jsoup.parse(str); // Log.e("doc--->", doc.toString()); // 获取class="article_item"的所有元素 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"获取到所有的元素，也就是Element，然后遍历所有的元素，把每个元素我们需要的值取出来。我们可以定义一个实体类，比如文章项BlogItem,通过创建不同的BlogItem对象，然后最后添加到list当中，我们就可以把所有博文列表保存下拉，下次取的时候，直接通过list来取即可。 我们可以看到使用Jsoup这个库，只需要那么少的代码就可以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。 然后获取博文详细内容也是类似的，给定一个url，我们就可以同样的方式去解析html代码： ~~~ /** * 扒取传入url地址的博客详细内容 * * @param url * @param str * @return */ public static List<Blog> getContent(String url, String str) { List<Blog> list = new ArrayList<Blog>(); // 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); // 获取所有标签为<a的元素 Elements as = detail.getElementsByTag("a"); for (int b = 0; b < as.size(); b++) { Element blockquote = as.get(b); // 改变这个元素的标记。例如,<span>转换为<div> 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"); } // 获取所有标签为<p的元素 Elements ps = detail.getElementsByTag("p"); for (int b = 0; b < ps.size(); b++) { Element blockquote = ps.get(b); blockquote.tagName("body"); } // 获取所有引用元素 Elements blockquotes = detail.getElementsByTag("blockquote"); for (int b = 0; b < blockquotes.size(); b++) { Element blockquote = blockquotes.get(b); blockquote.tagName("body"); } // 获取所有标签为<ul的元素 Elements uls = detail.getElementsByTag("ul"); for (int b = 0; b < uls.size(); b++) { Element blockquote = uls.get(b); blockquote.tagName("body"); } // 找出粗体 Elements bs = detail.getElementsByTag("b"); for (int b = 0; b < bs.size(); b++) { Element bold = bs.get(b); bold.tagName("bold"); } // 遍历博客内容中的所有元素 for (int j = 0; j < content.children().size(); j++) { Element c = content.child(j); // 获取每个元素 // 抽取出图片 if (c.select("img").size() > 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 List<Comment> getBlogCommentList(String str, int pageIndex, int pageSize) { List<Comment> list = new ArrayList<Comment>(); 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 // 如果评论数大于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")) { // 如果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; } ~~~ 具体使用细节可以参考笔者提供的源码：[http://download.csdn.net/detail/wwj_748/7912513](http://download.csdn.net/detail/wwj_748/7912513) 小巫已经把解析html的思路告诉大家啦，剩下如何来学习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，详细给大家介绍如何集成友盟提供的社会化组件SDK。