jsoup load HTML document的三种方法_jsoup.load

jsoup: java HTML parser

jsoup提供了一个方便的API，用来提取和操作HTML中数据。

jsoup提供三种解析HTML的方法（scrape and parse HTML from a URL, file, or string）

1. Load a document from URL(通过URL 对象来load HTML document)。

    如果你想从web上解析HTML document，从而得到web上的数据

   方法：Jsoup.parse(URL url);

   代码如下：

<span style="font-size:14px;">//创建一个URL 对象
URL url = new URL("http://www.baidu.com");
//3*1000 是timeout 是时间单位是毫秒
Document doc = Jsoup.parse(url, 3*1000)</span>

2. Parse document from a string(通过字符串解析HTML document)

    如果你有一段html代码或者某个网站，你想得到它的内容，可以通过这个方法来解决

    代码如下：

    Jsoup.parse(String html)/Jsoup.connect(String url);

<span style="font-size:14px;">HTML代码
String html = "<div><p>I want to know about Jsoup</p>";
Document doc = Jsoup.parse(html);
某个网站的地址
String url = "http://www.baidu.com";
Document doc = Jsoup.connect(url);</span>

3. Load document from a file(通过文件来加载HTML document)

如果你的磁盘有HTML文件，你想解析它的内容，可以用此方法

代码如下：

Jsoup.parse(File file, String charSetName, String baseUri);

<span style="font-size:14px;">//Get the file that is on your disk
File file = new File("d:\\test.html");
//Parse this file
Document doc = Jsoup.parse(file,"utf-8","http://example.com");</span>

baseURi 的参数的意思就是当 HTML 文档使用相对路径方式引用外部文件时，jsoup 会自动为这些 URL 加上一个前缀，也就是这个 baseURi，如果没有，可以用空字符串来代替。

欢迎大家指正，谢谢！