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 plain copy

1.     public static List<BlogItem> getBlogItemList(int blogType, String str) {  
2.         // Log.e("URL---->", str);  
3.         List<BlogItem> list = new ArrayList<BlogItem>();  
4.         // 获取文档对象  
5.         Document doc = Jsoup.parse(str);  
6.         // Log.e("doc--->", doc.toString());  
7.         // 获取class="article_item"的所有元素  
8.         Elements blogList = doc.getElementsByClass("article_item");  
9.         // Log.e("elements--->", blogList.toString());  
10.         for (Element blogItem : blogList) {  
11.             BlogItem item = new BlogItem();  
12.             String title = blogItem.select("h1").text(); // 得到标题  
13.             // System.out.println("title----->" + title);  
14.             String description = blogItem.select("div.article_description")  
15.                     .text();  
16.             // System.out.println("descrition--->" + description);  
17.             String msg = blogItem.select("div.article_manage").text();  
18.             // System.out.println("msg--->" + msg);  
19.             String date = blogItem.getElementsByClass("article_manage").get(0)  
20.                     .text();  
21.             // System.out.println("date--->" + date);  
22.             String link = BLOG_URL  
23.                     + blogItem.select("h1").select("a").attr("href");  
24.             // System.out.println("link--->" + link);  
25.             item.setTitle(title);  
26.             item.setMsg(msg);  
27.             item.setContent(description);  
28.             item.setDate(date);  
29.             item.setLink(link);  
30.             item.setType(blogType);  
31.             // 没有图片  
32.             item.setImgLink(null);  
33.             list.add(item);  
34.         }  
35.         return list;  
36.     }  

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 plain copy

1.     public static List<Blog> getContent(String url, String str) {  
2.         List<Blog> list = new ArrayList<Blog>();  
3.         // 获取文档内容  
4.         Document doc = Jsoup.parse(str);  
5.         // 获取class="details"的元素  
6.         Element detail = doc.getElementsByClass("details").get(0);  
7.         detail.select("script").remove(); // 删除每个匹配元素的DOM。  
8.         // 获取标题  
9.         Element title = detail.getElementsByClass("article_title").get(0);  
10.         Blog blogTitle = new Blog();  
11.         blogTitle.setState(Constants.DEF_BLOG_ITEM_TYPE.TITLE); // 设置状态  
12.         blogTitle.setContent(ToDBC(title.text())); // 设置标题内容  
13.         // 获取文章内容  
14.         Element content = detail.select("div.article_content").get(0);  
15.         // 获取所有标签为<a的元素  
16.         Elements as = detail.getElementsByTag("a");  
17.         for (int b = 0; b < as.size(); b++) {  
18.             Element blockquote = as.get(b);  
19.             // 改变这个元素的标记。例如,<span>转换为<div> 如el.tagName("div");。  
20.             blockquote.tagName("bold"); // 转为粗体  
21.         }  
22.         Elements ss = detail.getElementsByTag("strong");  
23.         for (int b = 0; b < ss.size(); b++) {  
24.             Element blockquote = ss.get(b);  
25.             blockquote.tagName("bold");  
26.         }  
27.         // 获取所有标签为<p的元素  
28.         Elements ps = detail.getElementsByTag("p");  
29.         for (int b = 0; b < ps.size(); b++) {  
30.             Element blockquote = ps.get(b);  
31.             blockquote.tagName("body");  
32.         }  
33.         // 获取所有引用元素  
34.         Elements blockquotes = detail.getElementsByTag("blockquote");  
35.         for (int b = 0; b < blockquotes.size(); b++) {  
36.             Element blockquote = blockquotes.get(b);  
37.             blockquote.tagName("body");  
38.         }  
39.         // 获取所有标签为<ul的元素  
40.         Elements uls = detail.getElementsByTag("ul");  
41.         for (int b = 0; b < uls.size(); b++) {  
42.             Element blockquote = uls.get(b);  
43.             blockquote.tagName("body");  
44.         }  
45.         // 找出粗体  
46.         Elements bs = detail.getElementsByTag("b");  
47.         for (int b = 0; b < bs.size(); b++) {  
48.             Element bold = bs.get(b);  
49.             bold.tagName("bold");  
50.         }  
51.         // 遍历博客内容中的所有元素  
52.         for (int j = 0; j < content.children().size(); j++) {  
53.             Element c = content.child(j); // 获取每个元素  
54.             // 抽取出图片  
55.             if (c.select("img").size() > 0) {  
56.                 Elements imgs = c.getElementsByTag("img");  
57.                 System.out.println("img");  
58.                 for (Element img : imgs) {  
59.                     if (!img.attr("src").equals("")) {  
60.                         Blog blogImgs = new Blog();  
61.                         // 大图链接  
62.                         if (!img.parent().attr("href").equals("")) {  
63.                             blogImgs.setImgLink(img.parent().attr("href"));  
64.                             System.out.println("href="  
65.                                     + img.parent().attr("href"));  
66.                             if (img.parent().parent().tagName().equals("p")) {  
67.                                 // img.parent().parent().remove();  
68.                             }  
69.                             img.parent().remove();  
70.                         }  
71.                         blogImgs.setContent(img.attr("src"));  
72.                         blogImgs.setImgLink(img.attr("src"));  
73.                         System.out.println(blogImgs.getContent());  
74.                         blogImgs.setState(Constants.DEF_BLOG_ITEM_TYPE.IMG);  
75.                         list.add(blogImgs);  
76.                     }  
77.                 }  
78.             }  
79.             c.select("img").remove();  
80.             // 获取博客内容  
81.             Blog blogContent = new Blog();  
82.             blogContent.setState(Constants.DEF_BLOG_ITEM_TYPE.CONTENT);  
83.             if (c.text().equals("")) {  
84.                 continue;  
85.             } else if (c.children().size() == 1) {  
86.                 if (c.child(0).tagName().equals("bold")  
87.                         || c.child(0).tagName().equals("span")) {  
88.                     if (c.ownText().equals("")) {  
89.                         // 小标题，咖啡色  
90.                         blogContent  
91.                                 .setState(Constants.DEF_BLOG_ITEM_TYPE.BOLD_TITLE);  
92.                     }  
93.                 }  
94.             }  
95.             // 代码  
96.             if (c.select("pre").attr("name").equals("code")) {  
97.                 blogContent.setState(Constants.DEF_BLOG_ITEM_TYPE.CODE);  
98.                 blogContent.setContent(ToDBC(c.outerHtml()));  
99.             } else {  
100.                 blogContent.setContent(ToDBC(c.outerHtml()));  
101.             }  
102.             list.add(blogContent);  
103.         }  
104.         return list;  
105.     }  

获取评论列表： [java]  view plain copy

1.     public static List<Comment> getBlogCommentList(String str, int pageIndex,  
2.             int pageSize) {  
3.         List<Comment> list = new ArrayList<Comment>();  
4.         try {  
5.             // 创建一个json对象  
6.             JSONObject jsonObject = new JSONObject(str);  
7.             JSONArray jsonArray = jsonObject.getJSONArray("list"); // 获取json数组  
8.             int index = 0;  
9.             int len = jsonArray.length();  
10.             BlogCommentActivity.commentCount = String.valueOf(len); // 评论条数  
11.             // 如果评论数大于20  
12.             if (len > 20) {  
13.                 index = (pageIndex * pageSize) - 20;  
14.             }  
15.             if (len < pageSize && pageIndex > 1) {  
16.                 return list;  
17.             }  
18.             if ((pageIndex * pageSize) < len) {  
19.                 len = pageIndex * pageSize;  
20.             }  
21.             for (int i = index; i < len; i++) {  
22.                 JSONObject item = jsonArray.getJSONObject(i);  
23.                 String commentId = item.getString("CommentId");  
24.                 String content = item.getString("Content");  
25.                 String username = item.getString("UserName");  
26.                 String parentId = item.getString("ParentId");  
27.                 String postTime = item.getString("PostTime");  
28.                 String userface = item.getString("Userface");  
29.                 Comment comment = new Comment();  
30.                 comment.setCommentId(commentId);  
31.                 comment.setContent(content);  
32.                 comment.setUsername(username);  
33.                 comment.setParentId(parentId);  
34.                 comment.setPostTime(postTime);  
35.                 comment.setUserface(userface);  
36.                 if (parentId.equals("0")) {  
37.                     // 如果parentId为0的话，表示它是评论的topic  
38.                     comment.setType(Constants.DEF_COMMENT_TYPE.PARENT);  
39.                 } else {  
40.                     comment.setType(Constants.DEF_COMMENT_TYPE.CHILD);  
41.                 }  
42.                 list.add(comment);  
43.             }  
44.         } catch (JSONException e) {  
45.             e.printStackTrace();  
46.         }  
47.         return list;  
48.     }  

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。