【使用JSOUP实现网络爬虫】入门：解析和遍历一个HTML文档
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。
String html = "<html><head><title>First parse</title></head>" + "<body><p>Parsed HTML into a doc.</p></body></html>";Document doc = Jsoup.parse(html);
其解析器能够尽最大可能从你提供的HTML文档来创见一个干净的解析结果，无论HTML的格式是否完整。比如它可以处理：
没有关闭的标签 (比如：<p>Lorem <p>Ipsum parses to <p>Lorem</p> <p>Ipsum</p>)隐式标签 (比如. 它可以自动将 <td>Table data</td>包装成<table><tr><td>?)创建可靠的文档结构（html标签包含head 和 body，在head只出现恰当的元素）一个文档的对象模型文档由多个Elements和TextNodes组成 (以及其它辅助nodes：详细可查看：nodes package tree).其继承结构如下：Document继承Element继承Node. TextNode继承 Node.一个Element包含一个子节点集合，并拥有一个父Element。他们还提供了一个唯一的子元素过滤列表。