jsoup 解析html

 

 

jsoup  技术手册： http://www.open-open.com/jsoup/

jsoup  source,doc,jar包下载：  http://jsoup.org  （官 网）

 

      最近做html内容抽取，使用的是HtmlParser，但当提取数学符号，上标和下标时，没有办法提取。最终通过自定义<sub>和<sup>两个tag类，并将其注入 factory中，得以解决。

 

      在搜索 html parser自定义tag时，无意中发现了jsoup,看了技术手册，使用比较简单，学习的成本相当低（如果对jquery有一定的应用），基本上没有门槛，建议以后在解析html时，尝试并尽量使用jsoup.

 

      介绍较好的博文有：

      http://hi.baidu.com/china8jie/blog/category/html%BD%E2%CE%F6

 

      http://wenku.baidu.com/view/64516bf8fab069dc50220144.html

 

      http://www.ibm.com/developerworks/cn/java/j-lo-jsouphtml/