（1）从字符串解析
String
html = "<html><head><title>First
parse</title></head><body><p>Parse
HTML into a doc.</p></body></html>";
Document
doc = Jsoup.parse(html);
（2）从URL获取解析
Document
doc = Jsoup.connect("http://example.com/").get();
String title = doc.title();
Document
doc = Jsoup.connect("http://example.com") .data("query",
"Java").userAgent("Mozilla").cookie("auth",
"token").timeout(3000).post();
（3）从文件解析
File
input = new
File("/tmp/input.html");
Document
doc = Jsoup.parse(input, "UTF-8",
"http://example.com/");
2.DOM方式遍历元素
（1）搜索元素
getElementById(String
id)getElementByTag(String
tag)getElementByClass(String
className)getElementByAttribute(String
key)siblingElements(),
firstElementSibling(), lastElementSibling(), nextElementSibling(), previousElementSibling()parent(),
children(), child(int
index)（2）获取元素数据
attr(String
key) – 获取key属性attributes()
– 获取属性id(),
className(), classNames()text()
– 获取文本内容html()
– 获取元素内部HTML内容outerHtml()
– 获取包括此元素的HTML内容data()
– 获取<srcipt>或<style>标签中的内容tag(),
tagName()3.选择器语法（jsoup与其他解析器的区别就是可以使用类似jquery的选择器语法来搜索及过滤出所需的元素）
（1）基本选择器
tagname:
搜索tag标签的元素ns|tag:
搜索命名空间内tag标签的元素，如fb|name：<fb:name>#id:
搜索有指定id的元素.class:
搜索有指定class的元素[attribute]:
搜索有attrribute属性的元素[^attri]:
搜索有以attri开头的属性的元素[attr=value]:
搜索有指定属性及其属性值的元素[attr^=value],
[attr$=value], [attr*=value]: 搜索有指定attr属性，且其属性值是以value开头、结尾或包括value的元素，如[href*=/path/][attr~=regex]:
搜索有指定attr属性，且其属性值符合regex正则表达式的元素*:
搜索所有元素el#id:
同时指定标签名称和idel.class:
同时指定标签名称和classel[attr]:
同时指定标签名称和及其中所含属性的名称上述3项的任意组合，如a[href].highlightancestor
child: 包含，如div.content p，即搜索<div class=”content”>下含有<p>标签的元素ancestor
> child: 直接包含，如div.content > p，即搜索直属<div class="content">节点下的<p>标签元素；div.content
> *，即搜索<div class="content">下的所有元素siblingA
+ siblingB: 直接遍历，如div.head + div，即搜索<div class="head"><div>的元素，其中不再包含子元素siblingA
~ siblingX: 遍历，如h1 ~ p，即<h1>下直接或间接有<p>的元素el,
el, el: 组合多个选择器，搜索满足其中一个选择器的元素:lt(n):
搜索n号元素之前的元素:gt(n):
搜索n号元素之后的元素:eq(n):
搜索n号元素:has(seletor):
搜索符合指定选择器的元素:not(seletor):
搜索不符合指定选择器的元素:contains(text):
搜索包含指定文本的元素，区分大小写:containsOwn(text):
搜索直接指包含指定文本的元素:matches(regex):
搜索符合指定正则表达式的元素:matchesOwn(regex):
搜索本元素文本中符合指定正则表达式的元素注意：以上伪选择器的索引中，第一个元素位于索引0，第二个元素位于索引1，……获取元素的属性值：Node.attr(String
key)获取元素的文本，包括与其组合的子元素：Element.text()获取HTML：Element.html()或Node.outerHtml()Element.attr("href")
– 直接获取URLElement.attr("abs:href")或Element.absUrl("href")
– 获取完整URL。如果HTML是从文件或字符串解析过来的，需要调用Jsoup.setBaseUri(String baseUri)来指定基URL，否则获取的完整URL只会是空字符串li[class=info]
a[class=Author]
- 空格前后表示包含关系，即表示li里的adiv[class=mod
mod-main mod-lmain]:contains(教学反思) - div中包含"教学反思"，适合同时有多个同名DIV的情况/* previousSibling()获取某标签前面的代码 nextSibling()获取某标签后的代码 如： <form
id=form1> 第一名：Lily
<br/> 第二名：Tom
<br/> 第三名：Peter
<br/> </form>*/Elements
items = doc.select("form[id=form1]");Elements
prevs = items.select("br");for(Element
p : prevs){ String
prevStr = p.previousSibling().toString().trim());}/* 最常用的链接抓取*/String
itemTag = "div[class=mydiv]";String
linkTag = "a"Elements
items = doc.select(itemTag);Elements
links = items.select(linkTag);for(Element
l : links){ String
href = l.attr("abs:href");//完整Href String
absHref = l.attr("href");//相对路径 String
text = l.text(); String
title = l.attr("title");}原文地址：http://blog.csdn.net/wy634379160/article/details/46531023
