Android应用开发-小巫CSDN博客客户端Jsoup篇

Android应用开发-小巫CSDN博客客户端Jsoup篇

距上一篇博客已经过去了两个星期，小巫也觉得非常抱歉，因为在忙着做另外一个项目，几乎抽不出空来，这不小巫会把剩下的博文全部在国庆补上。本篇博客将会给大家介绍如何使用Jsoup这个库来解析我们的网页，并且如何对我们想解析的网页进行分析。
Jsoup这个库的下载地址：http://jsoup.org/download
笔者这里使用的jsoup-1.7.2
下载完之后复制到项目中的libs目录下即可：



Jsoup的资料比较少，可供参考的可到其官网进行学习这个库的使用：http://www.open-open.com/jsoup/
API查阅地址：http://jsoup.org/apidocs/

对这个库的使用笔者也不是非常熟悉，就只是简单参考了文档而完成了解析工作，所以下面的笔者的解析代码也只是提供参考，具体的解析方法，请认真查看api文档。
如何使用Jsoup这个库不是重点，重点是如何对我们想解析的网页进行分析，如何做到像以下的效果：



这里可以看到首页是获取笔者博客的博文列表，每一个条目都有对应的标题、博文摘要、发布时间、阅读数、评论数。这些内容就是通过解析首页html页面所得到的内容。



好，就是这样的一个html页面，大伙是不是很想把它搬到手机上呢，只要你学会了如何分析html页面，你可以把任何你想要的内容搬下来，只要你抓取的网页没有做防扒取的措施。
笔者使用的浏览器是Google Chrome，作为专业的IT人士，不用Chrome确实说不过去，按下F12，你就可以看到以下景象，感觉好兴奋啊，可以去寻找你想要的宝藏了。是啊，逗比可以往下看了：



如果想解析一个网页，还是得你自己以上面这种方式去看，找到你想要的内容。小巫是这样做的，可以通过右键查看元素，直接查看对应的html源代码，这样你就知道内容对应的标签是什么了。因为小巫想获得首页的所有博文列表，所以我就找到博文的最外层的div标签开始分析，我找到了id为article_list,然后接着找到了每条博文项的内容，确定下它们的具体的标签，使用了什么class，博客可以通过class来获取你想要的元素，然后取得元素的内容。

直接上代码吧：

[java] view
plaincopy

4000

/** 

     * 使用Jsoup解析html文档 

     *  

     * @param blogType 

     * @param str 

     * @return 

     */  

    public static List<BlogItem> getBlogItemList(int blogType, String str) {  

        // Log.e("URL---->", str);  

        List<BlogItem> list = new ArrayList<BlogItem>();  

        // 获取文档对象  

        Document doc = Jsoup.parse(str);  

        // Log.e("doc--->", doc.toString());  

        // 获取class="article_item"的所有元素  

        Elements blogList = doc.getElementsByClass("article_item");  

        // Log.e("elements--->", blogList.toString());  

  

        for (Element blogItem : blogList) {  

            BlogItem item = new BlogItem();  

            String title = blogItem.select("h1").text(); // 得到标题  

            // System.out.println("title----->" + title);  

            String description = blogItem.select("div.article_description")  

                    .text();  

            // System.out.println("descrition--->" + description);  

            String msg = blogItem.select("div.article_manage").text();  

            // System.out.println("msg--->" + msg);  

            String date = blogItem.getElementsByClass("article_manage").get(0)  

                    .text();  

            // System.out.println("date--->" + date);  

            String link = BLOG_URL  

                    + blogItem.select("h1").select("a").attr("href");  

            // System.out.println("link--->" + link);  

            item.setTitle(title);  

            item.setMsg(msg);  

            item.setContent(description);  

            item.setDate(date);  

            item.setLink(link);  

            item.setType(blogType);  

  

            // 没有图片  

            item.setImgLink(null);  

            list.add(item);  

  

        }  

        return list;  

    }  

小巫通过class="article_item"获取到所有的元素，也就是Element，然后遍历所有的元素，把每个元素我们需要的值取出来。我们可以定义一个实体类，比如文章项BlogItem,通过创建不同的BlogItem对象，然后最后添加到list当中，我们就可以把所有博文列表保存下拉，下次取的时候，直接通过list来取即可。

我们可以看到使用Jsoup这个库，只需要那么少的代码就可以轻松获取到我们想要的内容，编码、效率啥都有，还等什么，去用吧。

然后获取博文详细内容也是类似的，给定一个url，我们就可以同样的方式去解析html代码：

[java] view
plaincopy

/** 

     * 扒取传入url地址的博客详细内容 

     *  

     * @param url 

     * @param str 

     * @return 

     */  

    public static List<Blog> getContent(String url, String str) {  

        List<Blog> list = new ArrayList<Blog>();  

  

        // 获取文档内容  

        Document doc = Jsoup.parse(str);  

  

        // 获取class="details"的元素  

        Element detail = doc.getElementsByClass("details").get(0);  

        detail.select("script").remove(); // 删除每个匹配元素的DOM。  

  

        // 获取标题  

        Element title = detail.getElementsByClass("article_title").get(0);  

        Blog blogTitle = new Blog();  

        blogTitle.setState(Constants.DEF_BLOG_ITEM_TYPE.TITLE); // 设置状态  

        blogTitle.setContent(ToDBC(title.text())); // 设置标题内容  

  

        // 获取文章内容  

        Element content = detail.select("div.article_content").get(0);  

  

        // 获取所有标签为<a的元素  

        Elements as = detail.getElementsByTag("a");  

        for (int b = 0; b < as.size(); b++) {  

            Element blockquote = as.get(b);  

            // 改变这个元素的标记。例如,<span>转换为<div> 如el.tagName("div");。  

            blockquote.tagName("bold"); // 转为粗体  

        }  

  

        Elements ss = detail.getElementsByTag("strong");  

        for (int b = 0; b < ss.size(); b++) {  

            Element blockquote = ss.get(b);  

            blockquote.tagName("bold");  

        }  

  

        // 获取所有标签为<p的元素  

        Elements ps = detail.getElementsByTag("p");  

        for (int b = 0; b < ps.size(); b++) {  

            Element blockquote = ps.get(b);  

            blockquote.tagName("body");  

        }  

  

        // 获取所有引用元素  

        Elements blockquotes = detail.getElementsByTag("blockquote");  

        for (int b = 0; b < blockquotes.size(); b++) {  

            Element blockquote = blockquotes.get(b);  

            blockquote.tagName("body");  

        }  

  

        // 获取所有标签为<ul的元素  

        Elements uls = detail.getElementsByTag("ul");  

        for (int b = 0; b < uls.size(); b++) {  

            Element blockquote = uls.get(b);  

            blockquote.tagName("body");  

        }  

  

        // 找出粗体  

        Elements bs = detail.getElementsByTag("b");  

        for (int b = 0; b < bs.size(); b++) {  

            Element bold = bs.get(b);  

            bold.tagName("bold");  

        }  

  

        // 遍历博客内容中的所有元素  

        for (int j = 0; j < content.children().size(); j++) {  

            Element c = content.child(j); // 获取每个元素  

  

            // 抽取出图片  

            if (c.select("img").size() > 0) {  

                Elements imgs = c.getElementsByTag("img");  

                System.out.println("img");  

                for (Element img : imgs) {  

                    if (!img.attr("src").equals("")) {  

                        Blog blogImgs = new Blog();  

                        // 大图链接  

                        if (!img.parent().attr("href").equals("")) {  

                            blogImgs.setImgLink(img.parent().attr("href"));  

                            System.out.println("href="  

                                    + img.parent().attr("href"));  

                            if (img.parent().parent().tagName().equals("p")) {  

                                // img.parent().parent().remove();  

                            }  

                            img.parent().remove();  

                        }  

                        blogImgs.setContent(img.attr("src"));  

                        blogImgs.setImgLink(img.attr("src"));  

                        System.out.println(blogImgs.getContent());  

                        blogImgs.setState(Constants.DEF_BLOG_ITEM_TYPE.IMG);  

                        list.add(blogImgs);  

                    }  

                }  

            }  

            c.select("img").remove();  

  

            // 获取博客内容  

            Blog blogContent = new Blog();  

            blogContent.setState(Constants.DEF_BLOG_ITEM_TYPE.CONTENT);  

  

            if (c.text().equals("")) {  

                continue;  

            } else if (c.children().size() == 1) {  

                if (c.child(0).tagName().equals("bold")  

                        || c.child(0).tagName().equals("span")) {  

                    if (c.ownText().equals("")) {  

                        // 小标题，咖啡色  

                        blogContent  

                                .setState(Constants.DEF_BLOG_ITEM_TYPE.BOLD_TITLE);  

                    }  

                }  

            }  

  

            // 代码  

            if (c.select("pre").attr("name").equals("code")) {  

                blogContent.setState(Constants.DEF_BLOG_ITEM_TYPE.CODE);  

                blogContent.setContent(ToDBC(c.outerHtml()));  

            } else {  

                blogContent.setContent(ToDBC(c.outerHtml()));  

            }  

            list.add(blogContent);  

        }  

  

        return list;  

    }  

获取评论列表：

[java] view
plaincopy

/** 

     * 获取博文评论列表 

     *  

     * @param str 

     *            json字符串 

     * @return 

     */  

    public static List<Comment> getBlogCommentList(String str, int pageIndex,  

            int pageSize) {  

        List<Comment> list = new ArrayList<Comment>();  

        try {  

            // 创建一个json对象  

            JSONObject jsonObject = new JSONObject(str);  

            JSONArray jsonArray = jsonObject.getJSONArray("list"); // 获取json数组  

            int index = 0;  

            int len = jsonArray.length();  

            BlogCommentActivity.commentCount = String.valueOf(len); // 评论条数  

            // 如果评论数大于20  

            if (len > 20) {  

                index = (pageIndex * pageSize) - 20;  

            }  

  

            if (len < pageSize && pageIndex > 1) {  

                return list;  

            }  

  

            if ((pageIndex * pageSize) < len) {  

                len = pageIndex * pageSize;  

            }  

  

            for (int i = index; i < len; i++) {  

                JSONObject item = jsonArray.getJSONObject(i);  

                String commentId = item.getString("CommentId");  

                String content = item.getString("Content");  

                String username = item.getString("UserName");  

                String parentId = item.getString("ParentId");  

                String postTime = item.getString("PostTime");  

                String userface = item.getString("Userface");  

  

                Comment comment = new Comment();  

                comment.setCommentId(commentId);  

                comment.setContent(content);  

                comment.setUsername(username);  

                comment.setParentId(parentId);  

                comment.setPostTime(postTime);  

                comment.setUserface(userface);  

  

                if (parentId.equals("0")) {  

                    // 如果parentId为0的话，表示它是评论的topic  

                    comment.setType(Constants.DEF_COMMENT_TYPE.PARENT);  

                } else {  

                    comment.setType(Constants.DEF_COMMENT_TYPE.CHILD);  

                }  

                list.add(comment);  

            }  

  

        } catch (JSONException e) {  

            e.printStackTrace();  

        }  

        return list;  

    }  

具体使用细节可以参考笔者提供的源码：http://download.csdn.net/detail/wwj_748/7912513

小巫已经把解析html的思路告诉大家啦，剩下如何来学习jsoup这个库解析html就靠你们自己去做了。下一篇博客预告，集成友盟社会化组件，详细给大家介绍如何集成友盟提供的社会化组件SDK。