【准备工作】
下载：jsoup-1.6.1.jar
【先看效果】
目标网站：中国天气
目的：获取今天的天气
目标HTML代码：
复制代码
今天
8日
雷阵雨
33°C
25°C
微风
复制代码
解析的java代码：
（1）审查网页元素后发现，我们要的内容在上面的目标HTML代码中，在整个网页中是在 class="dn on" data-dn="7d1" 的中
（2）“今天” 两字在中
（3）“8日” 两字在中
（4）“雷阵雨” 三字在 class="wea" 中
（5）“33” 在第一个中
（6）“25” 在第二个中
（7）“微风” 两字在 第三个 中
有了上面的分析，要获取到这些天气内容就易如反掌了。如下java代码：
复制代码
1 package com.zjm.www.test;
2
3 import java.io.IOException;
4
5 import org.jsoup.Jsoup;
6 import org.jsoup.nodes.Document;
7 import org.jsoup.select.Elements;
8
9 public class TestJsoup {
10
11 public Document getDocument (String url){
12 try {
13 return Jsoup.connect(url).get();
14 } catch (IOException e) {
15 e.printStackTrace();
16 }
17 return null;
18 }
19
20 public static void main(String[] args) {
21 TestJsoup t = new TestJsoup();
22 Document doc = t.getDocument("http://www.weather.com.cn/html/weather/101280101.shtml");
23 // 获取目标HTML代码
24 Elements elements1 = doc.select("[class=dn on][data-dn=7d1]");
25 // 今天
26 Elements elements2 = elements1.select("h1");
27 String today = elements2.get(0).text();
28 System.out.println(today);
29 // 几号
30 Elements elements3 = elements1.select("h2");
31 String number = elements3.get(0).text();
32 System.out.println(number);
33 // 是否有雨
34 Elements elements4 = elements1.select("[class=wea]");
35 String rain = elements4.get(0).text();
36 System.out.println(rain);
37 // 高的温度
38 Elements elements5 = elements1.select("span");
39 String highTemperature = elements5.get(0).text()+"°C";
40 System.out.println(highTemperature);
41 // 低的温度
42 String lowTemperature = elements5.get(1).text()+"°C";
43 System.out.println(lowTemperature);
44 // 风力
45 Elements elements6 = elements1.select("i");
46 String wind = elements6.get(2).text();
47 System.out.println(wind);
48 }
49 }
复制代码
结果打印出：
1 今天
2 8日
3 雷阵雨
4 33°C
5 25°C
6 微风
【详解】
附:
jsoup的官方中文文档为：http://www.open-open.com/
API为：http://jsoup.org/apidocs/
java代码第13行：
从文档中我们可用看出，获取数据源的方法有三：
（1）从一段html代码字符串获取： Document doc = Jsoup.parse(html);
（2）从一个url获取： Document doc = Jsoup.connect("http://example.com/").get();
（3）从一个html文件获取 File input = new File("/tmp/input.html");
Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");
这里，我们采取了第二种方法，从url中获取。
java代码第24、26、30、34、38行：
Document 继承自 Element 类， 而Element类有一个很好的方法，叫select ， 这个选择器几乎无所不能。快速从一堆html代码中获取我们想要的一段，我觉得使用select最方便。下面我们来看怎么使用select方法来查找。
注：以下表格的结果都是使用以下语句打印出来的
for(Element e : elements) {
System.out.println(e.text());
}
select详解
描述 测试的HTML代码 select写法
结果
通过
标签名
来查找
33
25
Elements elements = doc.select("span");
注：通过标签来查找，直接写 "标签名" 就好，不需要尖括号。
33
25
通过
id
来查找
36
20
Elements elements = doc.select("#mySpan");
注：通过id来查找，使用方法跟css指定元素一样，用#
36
通过
class名
来查找
36
20
Elements elements = doc.select(".myClass");
注：通过id来查找，使用方法跟css指定元素一样，用 .
36
利用标签内
属性名
查找元素
36
36
Elements elements = doc.select("span[class=class1]span[id=id1]");
注：规则为 标签名【属性名=属性值】，标签名可写可不写，多个属性即多个【】，如上。
36
利用标签内
属性名前缀
查找元素
36
22
Elements elements = doc.select("span[^cl]");
注：规则为 标签名【^属性名前缀】，标签名可写可不写，多个属性即多个【】。
36
22
利用标签内
属性名+正则表达式
查找元素
36
22
Elements elements = doc.select("span[class~=^AB]");
注：规则为 标签名【属性名~=正则表达式】，以上的正则表达式的意思是查找以class值以AB为开头的标签，标签名可写可不写，多个属性即多个【】
36
利用标签
文本包含某些内容
来查找
36
22
Elements elements = doc.select("span:contains(3)");
注：规则为 标签名:contains(文本值)
36
利用标签
文本包含某些内容+正则表达式
来查找
36
22
Elements elements = doc.select("span:matchesOwn(^3)");
注：规则为 标签名:matchesOwn(正则表达式)，以上的正则表式的意思是以文本值以3为开头的标签
36
关于select，还有一些其他的查找方法，以上只列出个人觉得比较好用、常用的语法。
select方法返回的是一个Elements 对象，里面包含着找到的所有节点。遍历Elements ，通过get（index），就可以拿出具体的 节点了。通过节点的text()方法，就可用拿出文本值。
而想得到节点的其他属性，可以看API的介绍。
出处:http://www.2cto.com/kf/201408/324292.html