## Android應用開發-小巫CSDN博客客戶端Jsoup篇 距上一篇博客已經過去了兩個星期，小巫也覺得非常抱歉，因為在忙著做另外一個項目，幾乎抽不出空來，這不小巫會把剩下的博文全部在國慶補上。本篇博客將會給大家介紹如何使用Jsoup這個庫來解析我們的網頁，并且如何對我們想解析的網頁進行分析。 Jsoup這個庫的下載地址：[http://jsoup.org/download](http://jsoup.org/download) 筆者這里使用的jsoup-1.7.2 下載完之后復制到項目中的libs目錄下即可：  Jsoup的資料比較少，可供參考的可到其官網進行學習這個庫的使用：[http://www.open-open.com/jsoup/](http://www.open-open.com/jsoup/) API查閱地址：[http://jsoup.org/apidocs/](http://jsoup.org/apidocs/) 對這個庫的使用筆者也不是非常熟悉，就只是簡單參考了文檔而完成了解析工作，所以下面的筆者的解析代碼也只是提供參考，具體的解析方法，請認真查看api文檔。 如何使用Jsoup這個庫不是重點，重點是如何對我們想解析的網頁進行分析，如何做到像以下的效果：  這里可以看到首頁是獲取筆者博客的博文列表，每一個條目都有對應的標題、博文摘要、發布時間、閱讀數、評論數。這些內容就是通過解析首頁html頁面所得到的內容。  好，就是這樣的一個html頁面，大伙是不是很想把它搬到手機上呢，只要你學會了如何分析html頁面，你可以把任何你想要的內容搬下來，只要你抓取的網頁沒有做防扒取的措施。 筆者使用的瀏覽器是Google Chrome，作為專業的IT人士，不用Chrome確實說不過去，按下F12，你就可以看到以下景象，感覺好興奮啊，可以去尋找你想要的寶藏了。是啊，逗比可以往下看了：  如果想解析一個網頁，還是得你自己以上面這種方式去看，找到你想要的內容。小巫是這樣做的，可以通過右鍵查看元素，直接查看對應的html源代碼，這樣你就知道內容對應的標簽是什么了。因為小巫想獲得首頁的所有博文列表，所以我就找到博文的最外層的div標簽開始分析，我找到了id為article_list,然后接著找到了每條博文項的內容，確定下它們的具體的標簽，使用了什么class，博客可以通過class來獲取你想要的元素，然后取得元素的內容。 直接上代碼吧： ~~~ /** * 使用Jsoup解析html文檔 * * @param blogType * @param str * @return */ public static List<BlogItem> getBlogItemList(int blogType, String str) { // Log.e("URL---->", str); List<BlogItem> list = new ArrayList<BlogItem>(); // 獲取文檔對象 Document doc = Jsoup.parse(str); // Log.e("doc--->", doc.toString()); // 獲取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(); // 得到標題 // 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); // 沒有圖片 item.setImgLink(null); list.add(item); } return list; } ~~~ 小巫通過class="article_item"獲取到所有的元素，也就是Element，然后遍歷所有的元素，把每個元素我們需要的值取出來。我們可以定義一個實體類，比如文章項BlogItem,通過創建不同的BlogItem對象，然后最后添加到list當中，我們就可以把所有博文列表保存下拉，下次取的時候，直接通過list來取即可。 我們可以看到使用Jsoup這個庫，只需要那么少的代碼就可以輕松獲取到我們想要的內容，編碼、效率啥都有，還等什么，去用吧。 然后獲取博文詳細內容也是類似的，給定一個url，我們就可以同樣的方式去解析html代碼： ~~~ /** * 扒取傳入url地址的博客詳細內容 * * @param url * @param str * @return */ public static List<Blog> getContent(String url, String str) { List<Blog> list = new ArrayList<Blog>(); // 獲取文檔內容 Document doc = Jsoup.parse(str); // 獲取class="details"的元素 Element detail = doc.getElementsByClass("details").get(0); detail.select("script").remove(); // 刪除每個匹配元素的DOM。 // 獲取標題 Element title = detail.getElementsByClass("article_title").get(0); Blog blogTitle = new Blog(); blogTitle.setState(Constants.DEF_BLOG_ITEM_TYPE.TITLE); // 設置狀態 blogTitle.setContent(ToDBC(title.text())); // 設置標題內容 // 獲取文章內容 Element content = detail.select("div.article_content").get(0); // 獲取所有標簽為<a的元素 Elements as = detail.getElementsByTag("a"); for (int b = 0; b < as.size(); b++) { Element blockquote = as.get(b); // 改變這個元素的標記。例如,<span>轉換為<div> 如el.tagName("div");。 blockquote.tagName("bold"); // 轉為粗體 } Elements ss = detail.getElementsByTag("strong"); for (int b = 0; b < ss.size(); b++) { Element blockquote = ss.get(b); blockquote.tagName("bold"); } // 獲取所有標簽為<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"); } // 獲取所有引用元素 Elements blockquotes = detail.getElementsByTag("blockquote"); for (int b = 0; b < blockquotes.size(); b++) { Element blockquote = blockquotes.get(b); blockquote.tagName("body"); } // 獲取所有標簽為<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"); } // 找出粗體 Elements bs = detail.getElementsByTag("b"); for (int b = 0; b < bs.size(); b++) { Element bold = bs.get(b); bold.tagName("bold"); } // 遍歷博客內容中的所有元素 for (int j = 0; j < content.children().size(); j++) { Element c = content.child(j); // 獲取每個元素 // 抽取出圖片 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(); // 大圖鏈接 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(); // 獲取博客內容 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("")) { // 小標題，咖啡色 blogContent .setState(Constants.DEF_BLOG_ITEM_TYPE.BOLD_TITLE); } } } // 代碼 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; } ~~~ 獲取評論列表： ~~~ /** * 獲取博文評論列表 * * @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 { // 創建一個json對象 JSONObject jsonObject = new JSONObject(str); JSONArray jsonArray = jsonObject.getJSONArray("list"); // 獲取json數組 int index = 0; int len = jsonArray.length(); BlogCommentActivity.commentCount = String.valueOf(len); // 評論條數 // 如果評論數大于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為0的話，表示它是評論的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; } ~~~ 具體使用細節可以參考筆者提供的源碼：[http://download.csdn.net/detail/wwj_748/7912513](http://download.csdn.net/detail/wwj_748/7912513) 小巫已經把解析html的思路告訴大家啦，剩下如何來學習jsoup這個庫解析html就靠你們自己去做了。下一篇博客預告，集成友盟社會化組件，詳細給大家介紹如何集成友盟提供的社會化組件SDK。