1、jsoup简介
　　jsoup 是一款 Java的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。jsoup 的主要功能如下：
　　（1）从一个 URL，文件或字符串中解析HTML；
　　（2）使用DOM或CSS选择器来查找、取出数据；
　　（3）可操作HTML元素、属性、文本；
　　2、maven配置
　　<!-- jsoup -->
　　<dependency>
　　<groupId>org.jsoup</groupId>
　　<artifactId>jsoup</artifactId>
　　<version>1.7.3</version>
　　</dependency>
　　3、解析一个HTML文档
　　3.1 从字符串解析
　　String html = "<html><head><title>First parse</title></head>" + "<body><p>Parsed HTML into a doc.</p></body></html>";
　　<!-- 解析之后可以用Document的方法，拿出html中需要的数据 -->
　　Document doc = Jsoup.parse(html); 
　　3.2 从URL获取解析
　　Document doc = Jsoup.connect("http://example.com/").get();
　　String title = doc.title();
　　（1）说明
　　connect(String url)方法创建一个新的 Connection， 和get()取得和解析一个HTML文件。如果从该URL获取HTML时发生错误，便会抛出 IOException，应适当处理。Connection 接口还提供一个方法链来解决特殊请求，具体如下：
　　Document doc = Jsoup.connect("http://www.oschina.net/")
　　.data("query"， "Java")   // 请求参数
　　.userAgent("I ’ m jsoup") // 设置 User-Agent
　　.cookie("auth"， "token") // 设置 cookie
　　.timeout(3000)           // 设置连接超时时间
　　.post();                 // 使用 POST 方法访问 URL
　　这个方法只支持Web URLs (http和https 协议); 假如你需要从一个文件加载，可以使用parse(File in， String charsetName) 代替。
　　3.3 从文件解析
　　File input = new File("/tmp/input.html");
　　Document doc = Jsoup.parse(input， "UTF-8"， "http://www.oschina.net/");
　　（1）说明
　　parse的第三个参数，需要在这里指定一个网址（虽然可以不指定），因为HTML文档中会有很多例如链接、图片以及所引用的外部脚本、css 文件等，而第三个名为 baseURL 的参数的意思是当 HTML 文档使用相对路径方式引用外部文件时，jsoup 会自动为这些 URL 加上一个前缀，也是这个 baseURL。
　　例如 ：<a href=/project> 开源软件 </a> 会被转换成 <a href=http://www.oschina.net/project> 开源软件 </a>。
　　4、遍历一个HTML文档
　　4.1 Document方式遍历元素
　　4.1.1 搜索元素方法
　　getElementById(String id)
　　getElementByTag(String tag)
　　getElementByClass(String className)
　　getElementByAttribute(String key)
　　siblingElements()， firstElementSibling()， lastElementSibling()， nextElementSibling()， previousElementSibling()
　　parent()， children()， child(int index)
　　4.1.2 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()
　　4.2 选择器语法遍历元素（jsoup与其他解析器的区别是可以使用类似jquery的选择器语法来搜索及过滤出所需的元素）