一、HtmlCleaner

1、创建htmlCleaner对象

HtmlCleaner htmlCleaner = new HtmlCleaner();

2、调用clean方法

TagNode tagNode = htmlCleaner.clean(html内容或url);

3、使用XPath

Object[] aArr = tagNode.evaluateXPath("//div[@class='breadcrumb']//a");

二、XPath

例：div，属性class为breadcrumb下面的所有a标签

//div[@class='breadcrumb']//a

常用路径表达式：

表达式	描述
nodename	选取此节点的所有子节点。
/	从根节点选取。
//	从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置。
.	选取当前节点。
..	选取当前节点的父节点。
@	选取属性。

参考资料

http://blog.csdn.net/reesun/article/details/8021201