概述

Jsoup是一款Java 的HTML解析器。支持将html解析为DOM树、支持CSS Selector形式选择、支持html过滤，本身还附带了一个Http下载器。jsoup代码简洁，总共53个类，代码大约9000行，无第三方依赖，代码结构如下所示

jsoup
├── examples #样例，包括一个将html转为纯文本和一个抽取所有链接地址的例子。 
├── helper #一些工具类，包括读取数据、处理连接以及字符串转换的工具
├── nodes #DOM节点定义
├── parser #解析html并转换为DOM树
├── safety #安全相关，包括白名单及html过滤
└── select #选择器，支持CSS Selector以及NodeVisitor格式的遍历

使用

Jsoup的入口是Jsoup类。首先将html解析成DOM树，分别用CSS Selector以及NodeVisitor来操作Dom元素，示例代码如下

参考：http://my.oschina.net/flashsword/blog/156748

        http://jsoup.org/