Android端解析html文件

使用的是 net.htmlparesr.jericho.Source;包中的Source,需要导入jaricho-html-3.1.jar的外部jar包

 

一下为用这个包解析豆瓣网站的验证码的代码

        URL url = new URL("http://www.douban.com/accounts/login");
        URLConnection conn  = url.openConnection();
        //得到服务器返回的html连接 转化成的html的对象
        Source source = new Source(conn);
        
        List<Element> inputElements = source.getAllElements("input");
        for(Element input: inputElements){
            if("captcha-id".equals(input.getAttributeValue("name"))){
                String id  = input.getAttributeValue("value");
                String path = "http://www.douban.com/misc/captcha?id="+id+"&amp;size=s";
                System.out.println("验证码图片的地址为:"+path);
            }
        }