背景
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。
nifi当然也集成了这个jsoup相关的处理器就是GetHTMLElement、ModifyHTMLElement、PutHTMLElement。
GetHTMLElement处理器基本功能是，从上游的folwfile中拿html解析，然后通过css选择器获取元素，然后根据配置的Output Type类型，选择调用doc不同的api，从元素里边提取html、text、data、attribute值；HTML（ele.html()）、Text（ele.text()）、Attribute（ele.attr(配置的属性值)）、Data（ele.data()）。
ModifyHTMLElement处理器基本功能是，从上游的folwfile中拿html解析，然后通过css选择器获取元素，然后根据配置的Output Type类型，选择调用doc不同的api，修改ellement元素的值。HTML（ele.html(modifiedValue)）、Text（ele.text()）、Attribute（ele.attr(配置的atrribute, 配置的属性修改后的值)）
PutHTMLElement处理器基本功能是，从上游的folwfile中拿html解析，然后通过css选择器获取元素，然后根据配置的Element Insert Location Type类型，选择调用doc不同的api，在ellement元素之前或者之后插入新增元素。append-html（ele.append(putValue)）、prepend-html（ele.prepend(putValue)）
必备技能Css选择器
详见：https://jsoup.org/apidocs/org/jsoup/select/Selector.html
常用如下
| 通配符 | 含义 | 例子 |
| * | 所有元素 | * |
| tag | 元素的标签名称（div元素） | div |
| #id | 元素属性id（div下的id为wrap和id为logo的元素） | div#wrap, #logo |
| .class | 元素属性的class（div下的class为left的元素） | div.left |
| [attr] | 属性匹配（带有href的标签a） | a[href] |
总结
1.这些处理器是用来出来html的文档的，并不能直接从网络上爬取页面。
2.处理器的核心有两点jsoup解析html文档，css选择器筛选html文档元素。
附录一：GetHTMLElement
| 属性 | 含义 |
| URL | 被解析的HTML页面的基本URL。当从HTML元素中提取属性值时，此URL将用于解析绝对URL。 |
| CSS Selector | css选择器用于提取元素 |
| Output Type |
|
| Destination |
|
| Prepend Element Value | 将指定的值前置到结果元素的前面 |
| Append Element Value | 向结果元素追加指定的值 |
| Attribute Name | 当Output Type为HTML时，该值用作确定应该检索所选元素上的哪个属性的键。当Output Type为Attribute时，如果这个值带有'abs:'前缀，那么提取的属性值将使用指定的基URL转换为绝对URL形式。 |
附录二：ModifyHTMLElement
| 属性 | 含义 |
| CSS Selector | css选择器用于提取元素 |
| HTML Character Encoding | 默认UTF-8 Character encoding of the input HTML |
| Output Type |
|
| Modified Value | 命中的元素要更新成的值 |
| Attribute Name | 当Output Type为Attribute时，该值用作键值，以确定选定元素上的哪个属性将被修改为新值。 |
附录三：PutHTMLElement
| 属性 | 含义 |
| CSS Selector | css选择器用于提取元素 |
| HTML Character Encoding | 默认UTF-8 Character encoding of the input HTML |
| Element Insert Location Type |
例子 prepended 原始：<b>Hi</b> 写入：<p>There</p> 结果：<p><b>Hi</b>There</p> Appending 原始：<b>Hi</b> 写入：<p>There</p> 结果：<p>There<b>Hi</b></p> |
