浅谈 jsoup

最近遇到一个需要，是要提取 speedo 商品的商品描述，无奈这个字段是一段 html 的 string，咨询架构师之后，决定使用 jsoup 做 html 内容提取，特此记录。

Step 1：

maven 导入 jsoup

<version.jsoup>1.7.3</version.jsoup>

<dependency>
	<groupId>org.jsoup</groupId>
	<artifactId>jsoup</artifactId>
	<version>${version.jsoup}</version>
</dependency>

Step 2：

使用 select 取值

public void getInnerHtmlValueByClassNameAngTagName() throws Exception{
    String fileStr = readFileJava8("D:/htmlContent.txt");
    Document document = Jsoup.parse(fileStr, "UTF-8");
    // 获取 父节点class值为 description-text 的 h2 元素
    Elements elements = document.select(".description-text h2");
    logger.info(elements.text());

    elements = document.select(".text-a p");
    logger.info(elements.text());

    elements = document.select(".text-a span");
    logger.info(elements.text());
}

jsoup 详解请移步 http://www.open-open.com/jsoup/parsing-a-document.htm

project github url ： https://github.com/Knight-JNXU/OpenSourcePackage/tree/OpenSourcePackageUsage