欢迎进入Java社区论坛，与200万技术人员互动交流 >>进入
请大家注意最后一种HTML 文档输入方式中的parse 的第三个参数，为什么需要在这里指定一个http://blog.csdn.net/lyc66666666666/article/details/网址呢（虽然可以不指定，如第一种方法）？因为HTML 文档中会有很多例如链接、图片以及所引用的外部脚本、css文件等，而第三个名为baseURL 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baseURL.
例如开源软件 会被转换成开源软件。
************************************************************************
解析并提取HTML 元素
这部分涉及一个HTML 解析器最基本的功能，但jsoup使用一种有别于其他开源项目的方式–选择器，我们将在最后一部分详细介绍jsoup选择器，本节中你将看到jsoup是如何用最简单的代码实现。
不过jsoup也提供了传统的DOM 方式的元素解析，看看下面的代码：
File input = new File（”D:/test.html”）；
Document doc = Jsoup.parse（input, “UTF-8”,”http://blog.csdn.net/lyc66666666666/article/details/网址/”）；
Element content =doc.getElementById（”content”）；
Elements links = content.getElementsByTag（”a”）；
for （Element link : links） {
String linkHref =link.attr（”href”）；
String linkText =link.text（）；
}
你可能会觉得jsoup的方法似曾相识，没错，像getElementById 和getElementsByTag 方法跟JavaScript 的方法名称是一样的，功能也完全一致。你可以根据节点名称或者是HTML 元素的id 来获取对应的元素或者元素列表。
与htmlparser 项目不同的是，jsoup 并没有为HTML 元素定义一个对应的类，一般一个HTML 元素的组成部分包括：节点名、属性和文本，jsoup 提供简单的方法供你自己检索这些数据，这也是jsoup保持瘦身的原因。
而在元素检索方面，jsoup 的选择器简直无所不能，
File input = new File（”D:\test.html”）；
Document doc =Jsoup.parse（input,”UTF-8″,”http://blog.csdn.net/lyc66666666666/article/details/网址”）；
Elements links = doc.select（”a[href]”）； // 具有href 属性的链接
Elements pngs = doc.select（”img[src$=.png]”）；//所有引用png图片的元素
Element masthead =doc.select（”div.masthead”）。first（）；
// 找出定义了class=masthead 的元素
Elements resultLinks = doc.select（”h3.r >a”）； // direct a after h3
这是jsoup 真正让我折服的地方，jsoup使用跟jQuery 一模一样的选择器对元素进行检索，以上的检索方法如果换成是其他的HTML 解释器，至少都需要很多行代码，而jsoup 只需要一行代码即可完成。
jsoup 的选择器还支持表达式功能，我们将在最后一节介绍这个超强的选择器。
************************************************************************
修改数据
在解析文档的同时，我们可能会需要对文档中的某些元素进行修改，例如我们可以为文档中的所有图片增加可点击链接、修改链接地址或者是修改文本等。
下面是一些简单的例子：
doc.select（”div.commentsa”）。attr（”rel”, “nofollow”）；
//为所有链接增加rel=nofollow 属性
doc.select（”div.commentsa”）。addClass（”mylinkclass”）；
//为所有链接增加class=mylinkclass 属性
doc.select（”img”）。removeAttr（”onclick”）；//删除所有图片的onclick属性
doc.select（”input[type=text]”）。val（””）；//清空所有文本输入框中的文本
修改完直接调用Element（s） 的html（） 方法就可以获取修改完的HTML 文档。
************************************************************************
HTML 文档清理
jsoup 在提供强大的API 同时，人性化方面也做得非常好。在做网站的时候，经常会提供用户评论的功能。有些用户比较淘气，会搞一些脚本到评论内容中，而这些脚本可能会破坏整个页面的行为，更严重的是获取一些机要信息，例如XSS 跨站点攻击之类的。
jsoup 对这方面的支持非常强大，使用非常简单。看看下面这段代码：
String unsafe = “
开源中国社区
“;
String safe = Jsoup.clean（unsafe, Whitelist.basic（））；
// 输出：
//
开源中国社区
jsoup 使用一个Whitelist 类用来对HTML 文档进行过滤，该类提供几个常用方法：
************************************************************************
soup 的过人之处–选择器
前面我们已经简单的介绍了jsoup是如何使用选择器来对元素进行检索的。本节我们把重点放在选择器本身强大的语法上。下表是jsoup选择器的所有语法详细列表。
基本用法
以上是最基本的选择器语法，这些语法也可以组合起来使用，下面是jsoup支持的组合用法：
除了一些基本的语法以及这些语法进行组合外，jsoup 还支持使用表达式进行元素过滤选择。下面是jsoup支持的所有表达式一览表：
*************************************************************************/
[1][2]
即将转出来的那一面，是快乐或痛苦，是爱还是恨。
