2008-01-09

JAVA中使用Htmlparse解析HTML文档

关键字: java实现 
import java.util.HashMap;
import java.util.Map;
import org.htmlparser.Node;
import org.htmlparser.NodeFilter;
import org.htmlparser.Parser;
import org.htmlparser.tags.LinkTag;
import org.htmlparser.util.NodeList;
import com.yao.http.HttpRequester;
import com.yao.http.HttpRespons;
 
/**
 * JAVA中使用Htmlparse解析HTML文档，使用htmlparse遍历出HTML文档的所有超链接（<a>标记）。
 * 
 * @author YYmmiinngg
 */
public class Test {
	public static void main(String[] args) {
		try {
/* 首先我们先使用HttpRequester类和HttpRespons类获得一个HTTP请求中的数据（HTML文档）。 可以从(http://download.csdn.net/source/321516)中下载htmlloader，该库中有上述类；或从我的《JAVA发送HTTP请求，返回HTTP响应内容，实例及应用》一文中摘取上述两JAVA类的代码。htmlparse可以从(http://download.csdn.net/source/321507)中下载
*/
			Map<String, String> map = new HashMap<String, String>();
			HttpRequester request = new HttpRequester();
			HttpRespons hr = request.sendGet("http://www.baidu.com");
 
			Parser parser = Parser.createParser(hr.getContent(), hr
					.getContentEncoding());
			try {
				// 通过过滤器过滤出<A>标签
				NodeList nodeList = parser
						.extractAllNodesThatMatch(new NodeFilter() {
							//实现该方法,用以过滤标签
							public boolean accept(Node node) {
								if (node instanceof LinkTag)//<A>标记
									return true;
								return false;
							}
						});
				// 打印
				for (int i = 0; i < nodeList.size(); i++) {
					LinkTag n = (LinkTag) nodeList.elementAt(i);
					System.out.print(n.getStringText() + " ==>> ");
					System.out.println(n.extractLink());
				}
			} catch (Exception e) {
				e.printStackTrace();
			}
 
		} catch (Exception e) {
			e.printStackTrace();
		}
	}
}

 

评论
发表评论

提醒: 该博客已发表在公共论坛，博客所有留言会成为论坛回贴，留言请注意遵守论坛发贴规则

您还没有登录，请登录后发表评论

yymmiinngg
搜索本博客
最近加入圈子
存档
最新评论