一不小心一個月又過去了，其實最近還是小忙小忙的，廢話不多說，直接進入今天的主題吧。
Jsoup -- Java HTML Parser, with best of DOM, CSS, and jquery.，看這個介紹就知道，這個就是方便咱們 Java 和Android 來解析 HTML 的。
HTML 標簽
要去爬別人的 HTML 標簽的話，首先你肯定得有一定的 HTML 的基礎知識吧。比如說常用的標簽，標簽的相關屬性，這個就不多說了，有相關問題都可以在 www.w3school.com.cn 的網站解決一下。
加載網頁
最簡單的，直接加載一個網頁：
Document document = Jsoup.connect("https://www.google.com").get();
那看到最后的 get() 方法聰明滴你一定就猜到還有一個對應的 post() 方法了吧。另外，http 請求的相關操作都是可以設置的，包括 header 請求參數，請求超時等等。除此之外，本地的文件（IO流）等都是可以直接解析的哈。
Document document = Jsoup.connect("https://android-arsenal.com")
.timeout(5000)
.cookie("cookie", "cxxx")
.header("xx", "xx")
.userAgent("")
.get();
基本標簽解析
之后咱們就得到了一個 Document 的對象了。這個對象就是對整個請求網頁的封裝，相關內容都可以在里面獲取。
來吧，加入我們有下面一段html標簽需要解析：
<div class="project-info clearfix">
<div class="header">
<div class="title">
<a href="/details/1/5442">RendererRecyclerViewAdapter</a>
<a class="tags" href="/tag/199">Recycler Views</a>
</div>
<a class="badge free" href="/free">Free</a>
<a class="badge new" href="/recent">New</a>
</div>
<div class="desc">
<p>A single adapter for the whole project.</p>
<ul>
<li>Now you do not need to implement adapters for RecyclerView.</li>
<li>You can easily use several types of cells in a single list.</li>
<li>Using this library will protect you from the appearance of any business logic in an adapter.</li>
</ul>
</div>
<div class="ftr l"><i class="fa fa-calendar"></i> Mar 17, 2017</div>
</div>
Jsoup 里面對于標簽的尋找使用的方法是 select() 方法，這個方法不要太強大了。咱們一步一步的來。
比如我們要在茫茫標簽中找到 <div class="project-info clearfix"> 的話，拿這里就是應該 findElementByClass() ，那么在 Jsoup 中是怎么定義這一塊的呢？
哈哈，很easy嘛，那就是 document.select("div.project-info clearfix") 咯，當然不是這樣子的，等等 class 屬性里面這個空格是什么意思啊？是不是一臉懵逼？這里最終的寫法是 document.select("div.project-info.clearfix") 空格需要用 . 來處理。
Elements select = document.select("div.project-info.clearfix");
這里得到是一個集合。我們接下來就需要遍歷這個集合，然后把里面的每一個標簽都拔出來。
title 部分的解析，這里是一個 <div> 里面嵌套了一個 <a> 的標簽。這里就涉及到了解析 <a> 標簽了。這里我們需要對應的 href，也需要對應的 text ， Jsoup 提供了對應的兩個方法 attr() 和 text() 。
Elements elements = e.select("div.title");
if (!elements.isEmpty()) {
for (Element tittle : elements) {
Element first = tittle.select("a[href]").first();
if (first != null) {
title = first.text();
titleUrl = first.attr("href");
System.out.println("名稱：" + title);
System.out.println("具體地址：" + titleUrl);
}
Elements select1 = tittle.select("a.tags");
if (!select1.isEmpty()) {
tag = select1.text();
tagUrl = select1.attr("href");
System.out.println("tags:" + tag);
System.out.println("tagUrl:" + tagUrl);
}
}
}
嵌套解析
到這里， <div> 和 <a> 標簽的介紹基本搞定，接下來就是 <div class="desc"> 的解析了。
<div class="desc">
<p>A single adapter for the whole project.</p>
<ul>
<li>Now you do not need to implement adapters for RecyclerView.</li>
<li>You can easily use several types of cells in a single list.</li>
<li>Using this library will protect you from the appearance of any business logic in an adapter.</li>
</ul>
</div>
這里又多了 <ul> 和 <li> 了，其實道理是差不多的，但是這里它們既沒有 class 也沒有 id ，那這個我們應該這么去解析呢？
這里還是要回到 select() 方法，這里就需要使用到指定層級的方法了。
Elements select1 = e.select("div.desc > p");
String s = select1.toString();
對于 <dt> <dd> 相關的標簽，就可以使用 + 相關的連接符了。例如我想要只解析 Tag 下面的對應的 Tag 名稱和相關的 url，這個應該怎么寫呢？
<dt>Tag</dt>
<dd><a href="/tag/9">Background Processing</a></dd>
<dt>License</dt>
<dd><a rel="nofollow" target="_blank">Apache License, Version 2.0</a>
</dd>
代碼就是這樣的，這里一不小心就又引出了 select() 方法的嵌套高級寫法。
Elements select4 = element.select("dt:contains(Tag) + dd");
其實不用太多解釋啦，截圖里面描述的很清楚了。最后一個是可以支持正則的匹配。
同級相鄰解析
還有一種情況就是我們需要的標簽沒有具體的 id 或者 class，并且它沒有直接對應的父標簽或者某種固定的嵌套關系，例如下面這種情況：
<a id="favoriteButton" href="#" class="fa fa-star-o favorite tshadow" title="Add to favorites"></a>
<a href="/details/1/5244">ImmediateLooperScheduler</a> <div id="githubInfoValue">
這里我們只需要解析到第二個 <a> 標簽，那么需要怎么處理呢？這里就需要使用到 nextElementSibling() 的方法了。
Element ssa = h1.select("a#favoriteButton").first();
Element element = ssa.nextElementSibling();
String title = element.text();
模糊解析
有時候我們只知道這個 <div> 是以 什么開頭或者是以什么結尾或者又是里面包含了某個單詞的，那么這個時候就需要使用模糊查找了。
在 Jsoup 中定義了這些情況的相關 select() 寫法，其中，以什么開頭，是使用 a[href^=http] ,以什么結尾使用 a[href$=.jpg] ，包含什么就是使用 a[href*=/search/]。
javascript 解析
剛剛說的都是普通標簽及其內容，如果我要獲取js相關的標簽以及內容呢？其實也不難，只是最后不是使用text()的方法，而是使用data()的方法了。
就是 Jsoup 最主要的就是寫好這個 select() 方法，
final Elements script = document.select("script");
String js = script.first().data();
相關實戰
Android-Arsenal 這個網站不造大家伙兒有聽說過沒？這里給我們Android開發者提供了了一個信息交流展示平臺，實時更新一些Android相關的App,開發庫、以及Demo。然后，我看到它也有自己的客戶端，所以一時好奇也打算下載下來看看，結果，客戶端就是直接加載的網頁，關鍵是廣告滿天飛。這個就讓人不好受了（話說回來，人家不打廣告賺點兒錢做這個平臺干嘛呢。）
所以靈機一動，為什么我不自己搞一個 Android-Arsenal 的客戶端呢？這樣方便在手機上看到最新的東西嘛。所以就做了一個客戶端，而使用的就是Jsoup 來爬去的對應的網頁。然后就把對應 ads 的標簽都過濾了，所以是很清爽的啦。當然功能也只是先實現了一部分。喜歡的朋友可以點個星星或者下載使用喲！
最后來一波效果圖：
項目地址：https://github.com/lovejjfg/Android-Arsenal
---- Edit By Joe At 2017 03 18 ----
