# 解析和遍歷一個HTML文檔 <div><p>如何解析一個HTML文檔：</p> <pre><code>String html = "&lt;html&gt;&lt;head&gt;&lt;title&gt;First parse&lt;/title&gt;&lt;/head&gt;" + "&lt;body&gt;&lt;p&gt;Parsed HTML into a doc.&lt;/p&gt;&lt;/body&gt;&lt;/html&gt;"; Document doc = Jsoup.parse(html); </code></pre> <p>(更詳細內容可查看 <a href="http://jsoup.org/cookbook/input/parse-document-from-string">解析一個HTML字符串</a>.)</p> <p>其解析器能夠盡最大可能從你提供的HTML文檔來創見一個干凈的解析結果，無論HTML的格式是否完整。比如它可以處理：</p> <ul> <li>沒有關閉的標簽 (比如： <code>&lt;p&gt;Lorem &lt;p&gt;Ipsum</code> parses to <code>&lt;p&gt;Lorem&lt;/p&gt; &lt;p&gt;Ipsum&lt;/p&gt;</code>)</li> <li>隱式標簽 (比如. 它可以自動將 <code>&lt;td&gt;Table data&lt;/td&gt;</code>包裝成<code>&lt;table&gt;&lt;tr&gt;&lt;td&gt;?</code>)</li> <li>創建可靠的文檔結構（html標簽包含head 和 body，在head只出現恰當的元素）</li> </ul> <h2>一個文檔的對象模型</h2> <ul> <li>文檔由多個Elements和TextNodes組成 (以及其它輔助nodes：詳細可查看：<a href="http://jsoup.org/apidocs/org/jsoup/nodes/package-tree.html">nodes package tree</a>).</li> <li>其繼承結構如下：<code><a title="A HTML Document." href="http://jsoup.org/apidocs/org/jsoup/nodes/Document.html">Document</a></code>繼承<code><a title="A HTML element consists of a tag name, attributes, and child nodes (including text nodes and other elements)." href="http://jsoup.org/apidocs/org/jsoup/nodes/Element.html">Element</a></code>繼承<code><a title="The base, abstract Node model." href="http://jsoup.org/apidocs/org/jsoup/nodes/Node.html">Node</a></code>. <code><a title="A text node." href="http://jsoup.org/apidocs/org/jsoup/nodes/TextNode.html">TextNode</a></code>繼承 <code><a title="The base, abstract Node model." href="http://jsoup.org/apidocs/org/jsoup/nodes/Node.html">Node</a></code>.</li> <li>一個Element包含一個子節點集合，并擁有一個父Element。他們還提供了一個唯一的子元素過濾列表。<br> </li> </ul> <h2>參見</h2> <ul> <li>數據抽取：<a href="http://jsoup.org/cookbook/extracting-data/dom-navigation">DOM遍歷</a></li> <li>數據抽取：<a href="http://jsoup.org/cookbook/extracting-data/selector-syntax">Selector syntax</a></li></ul></div>