1.jsoup简介
jsoup 是一款Java 的HTML解析器。
2.特点
它提供了一套非常省力的API，可通过类似于jQuery的操作方法来取出和操作数据。
区别：
1）:eq(n)
jsoup：元素在父元素中的index
selector：元素在结果集中的index
3.封装的目的
把数据提取和业务逻辑分离开来，使代码更清晰，易懂，便于维护
4.组件图
Extractor：对jsoup的简单封装，依赖与jsoup和Apache Commons库
Spring：实现了与Spring的集成
Digester+XSD：实现了核心类HTMLExtractor的XML配置
5.类图
HTMLExtractor：核心类，解析HTML页面的入口
BeanExtractor：将HTML元素解析为一简单的JAVABEAN,暂不支持有参构造方法
ListExtractor：将HTML元素解析为一List对象
PropertyExtractor：将HTML元素解析为一JAVA基本类型对象或者Date对象
6.简单的处理流程
PageProcessor：用于处理某一类型的页面，可能会调用其它的PageProcessor
HTMLExtractor：用于解析该类型页面，提取出相关数据
Convertor：将HTMLExtractor提取出来的数据转化了内部可用的JAVABean，其中可能会调用Service
Service：对JAVABean进行处理的业务逻辑
7.问题
开始以为封装的HTMLExtractor能够实现从页面到JAVABean的直接转化，在实践中发现目标JAVABean的属性在HTML页面中经常和其它的属性或者其它提示性文字混合在一起呈现，无法直接转化，并且某些属性可能会依赖于Service在已有数据中进行获取。
8.结论
对jsoup的简单封装实现虽然使代码更清晰，易懂，但是由于属性进行了两次set，第一次在HTMLExtractor中，第二次在Convertor中，降低了抓取效率，但是个人觉得是值得的。
9.源代码
附件中的jsoup.rar