码迷,mamicode.com
首页 > Web开发 > 详细

jsoup 源码分析

时间:2020-04-27 09:48:16      阅读:65      评论:0      收藏:0      [点我收藏+]

标签:实现   roo   比较   插入   star   --   一个个   info   insert   

jsoup 使用于从html 抽取出符合规则的标签,字符串,使用也非常简单。主要是两个函数, Jsoup.read(" html ") , Document.parse(" #id ")。

下面来分析下这两个函数:

1。 Jsoup.read( "  html "),  是把html 字符串解析成 Element 对象,形成一棵Element 树,我们在Element 中可以看到 List<Node>, 以及parentNode,  这是构成树的基本元素。下面分析下形成树的过程,用到了 Parser,  HtmlTreeBuilder ,HtmlTreeBuilderState, Token,  Tokenier .  其中 HtmlTreeBuilder 用 树的insert , HtmlTreeBuilderState 是html 当前解析的各种状态,(Initial, BeforeHead, InHead,BeforeBody,InBody ),Token 是解析的各种对象,(StartTag,EndTag,Comment,) , Tokenier 进行Token 的解析 。 

Jsoup.read() -->  Parser.parse () -->  TreeBuilder.parse --> HtmlTreeBuilder.runParser() -->  Tokensier.read() -- > TokeniserState.read()

HtmlTreeBuilder.runParser() --> process() --> HtmlTreeBuilderState.process() --> BeforeHead, BeforeBody. process -- > HtmlTreeBuilder.insert() 

技术图片 

这是在TreeBuilder 中关键的过程, tokeniser 把token 一个个读出来,process 把token 解析成Element, 插入到Document 中,形成树结构。

 

2。 Document.parse(" #id") :  这里面分两部,先把#id 字符串解析,形成Evaluator,  然后遍历Document 对象,把符合条件的Element 对象拿出来,形成List<Element> 返回。 这里用到了Selector, QueryParser, Evaluator,  TokenQueue( 第一步),     NodeVisitor,NodeTraversor(第二步).

 

技术图片

 

从这可以看出这两步走,QueryParser.parse() 解析形成Evaluator,  select() 遍历从root 中找出Element 。

Evaluator 有很多子类, 其中比较熟悉的 idEvaluator,classEvaluator,TagEvaluator 分别是表示找id, class ,tag 。 CombiningEvaluator 是表示And, or 连接对象。

技术图片

 

这是在QueryParser 中, tq 分析形成Evaluator 的过程:

技术图片

 

 

第二步查找:

NodeTraversor  是遍历整个root 对象,借助NodeVisitor 来实现。

NodeVisitor 有两个方法,head, tail .  

可以看出Traversor 是深度优先遍历算法。

技术图片

 

 

 

 

 

 

   

jsoup 源码分析

标签:实现   roo   比较   插入   star   --   一个个   info   insert   

原文地址:https://www.cnblogs.com/songsh/p/12774230.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!