Awesome
Jsoup学习笔记
Jsoup是Java世界的一款HTML解析工具,它支持用CSS Selector方式选择DOM元素,也可过滤HTML文本,防止XSS攻击。
学习Jsoup是为了更好的开发我的另一个爬虫框架webmagic,为了学的比较详细,就强制自己用很规范的方式写出这部分文章。
代码部分来自https://github.com/jhy/jsoup,添加了一些中文注释以及示例代码。
提纲
-
HTML语法分析parser
-
Jsoup默认没有XPath功能,我写了一个项目Xsoup,可以使用XPath来选择HTML文本。Java里较常用的XPath抽取器是HtmlCleaner,Xsoup的性能比它快了一倍。
协议:
相关代码遵循MIT协议。
文档遵循CC-BYNC协议。