`

HttpClient,htmlParse简易用法

    博客分类:
  • Java
阅读更多
解析新华信托html
package com.zte.util;

import java.util.ArrayList;
import java.util.List;

import org.apache.commons.httpclient.HttpClient;
import org.apache.commons.httpclient.HttpMethod;
import org.apache.commons.httpclient.methods.GetMethod;
import org.htmlparser.Parser;
import org.htmlparser.Tag;
import org.htmlparser.visitors.NodeVisitor;

import com.zte.entity.NewInfo;

public class ParseHtml {
   
	private static List<NewInfo> newInfos = new ArrayList<NewInfo>();
    private static int pageNumber = 1;
    private static boolean isFirstPage = true;
    
    public static List<NewInfo> getNewInfos(String url) throws Exception{
    	 HttpClient client = new HttpClient();   
	     client.getHostConfiguration().setProxy("10.130.40.13",8026);
	     HttpMethod method = new GetMethod(url);
	     client.executeMethod(method);   
         parseNew(method.getResponseBodyAsString());
         for(int page =2;page<=pageNumber ; page++) {
        	 method = new GetMethod( url + "&pagenum="+page);
    	     client.executeMethod(method);   
             parseNew(method.getResponseBodyAsString());
         }
         
	     method.releaseConnection();   
	     
	     return newInfos;
    }
    
	public static void parseNew(String content) {
		try {
			Parser parser = new Parser(content);
			NodeVisitor visitor = new NodeVisitorImpl();
			parser.visitAllNodesWith(visitor);

		} catch (Exception e) {
			e.printStackTrace();
		}
	}

	private static class NodeVisitorImpl extends NodeVisitor {
		boolean tdTag = false;
		public void visitTag(Tag tag) {
			String href = tag.getAttribute("href");
			if (tag.getTagName().equalsIgnoreCase("TD")) {
				tdTag = true;
			} else if (tdTag && tag.getTagName().equalsIgnoreCase("A") && !href.contains("javascript")) {
				String title = tag.getFirstChild().toHtml().trim();
				String newTitle1 = title.replaceAll("\\s{1,}", " ");
				String newTitle = newTitle1.replace("&#8226;", ".");
				NewInfo newInfo = new NewInfo();
				newInfo.setHref(href);
				newInfo.setTitle(newTitle);
				newInfos.add(newInfo);
				tdTag = false;
			} 
			
			if(isFirstPage && tag.getTagName().equalsIgnoreCase("select")) {
				pageNumber = new Integer(tag.getLastChild().getFirstChild().toHtml().trim());
				isFirstPage = false;
			}
			
		}
	}

}



信息实体
package com.zte.entity;

public class NewInfo {
	private String href;
	private String title;

	public String getHref() {
		return href;
	}

	public void setHref(String href) {
		this.href = href;
	}

	public String getTitle() {
		return title;
	}

	public void setTitle(String title) {
		this.title = title;
	}

}


客户端调用
public class ParseHtmlTest {
   public static void main(String[] args) throws Exception {
	   String url = "http://www.nct-china.com/NewsList.aspx?lmid=55";
	  List<NewInfo> newInfos = ParseHtml.getNewInfos(url);
	  int i = 0;
		 for(NewInfo newInfo : newInfos) {
			
			System.out.println("链接地址:" + newInfo.getHref());
			System.out.println("链接内容:" + newInfo.getTitle());
		    i ++ ;	
		 }
		
		 System.out.println("共" +i+ "条记录");
   }
}
分享到:
评论

相关推荐

    httpClient和htmlparse获取网页数据使用jar

    使用HttpClient的基本步骤如下: 1. 创建HttpClient实例:`CloseableHttpClient httpClient = HttpClients.createDefault();` 2. 构建HttpGet请求:`HttpGet httpGet = new HttpGet("http://example.com");` 3. 发起...

    httpclient-4.5.6-API文档-中文版.zip

    赠送jar包:httpclient-4.5.6.jar;...使用方法:解压翻译后的API文档,用浏览器打开“index.html”文件,即可纵览文档内容。 人性化翻译,文档中的代码和结构保持不变,注释和说明精准翻译,请放心使用。

    使用 HttpClient 和 HtmlParser 实现简易网络爬虫

    2. **发起HTTP请求**:使用HttpClient的HttpGet或HttpPost方法,向目标URL发起请求。HttpGet用于获取静态页面,HttpPost则常用于提交表单数据。 3. **处理响应**:HttpClient会返回一个HttpResponse对象,其中包含...

    HTTPClient用法

    这篇博客文章“HTTPClient用法”可能是关于如何使用Apache HttpClient库进行HTTP通信的教程,虽然具体内容没有给出,但我们可以根据常见的HTTPClient使用场景和方法来探讨相关知识点。 1. **Apache HttpClient简介*...

    HttpClient用法,实例

    HttpClient用法,实例 HttpClient用法,实例 HttpClient用法,实例 HttpClient用法,实例

    httpclient用法,发送get和post请求,设置header

    httpclient的用法,发送get请求和post请求,设置header

    HttpClient用法

    在这个主题中,我们将深入探讨HttpClient的用法,特别是如何获取客户端信息并发送回服务器。 首先,让我们了解如何初始化HttpClient实例。HttpClient的使用通常始于创建一个HttpClient对象。你可以使用`HttpClients...

    【ASP.NET编程知识】.NET CORE HttpClient的使用方法.docx

    .NET CORE HttpClient 的使用方法 .NET CORE 中的 HttpClient 是一个非常重要的组件,它提供了一个强大且灵活的方式来发送 HTTP 请求。然而,在使用 HttpClient 时,我们需要注意一些重要的配置和使用方法,以避免...

    htmlparse.jar httpClient.jar je.jar

    标题中的"htmlparse.jar httpClient.jar je.jar"暗示了这些文件是Java编程中使用的库或框架,主要用于处理HTML解析和HTTP客户端通信。以下是对这些库的详细说明: 1. **htmlparse.jar**: 这个文件可能包含一个HTML...

    使用 HttpClient 和 HtmlParser 实现简易爬虫

    ### 使用HttpClient和HtmlParser实现简易爬虫的知识点详解 #### 一、HttpClient与HtmlParser简介 **HttpClient简介:** HttpClient是Jakarta Commons项目中的一个重要组件,用于提供灵活且高效的HTTP协议支持。它...

    HttpClient 基本用法

    下面将详细讲解HttpClient的基本用法,尤其是GET方法的使用。 首先,创建一个HttpClient的实例,这是所有操作的基础。通常,我们可以使用默认构造函数创建一个HttpClient对象,如下所示: ```java HttpClient ...

    Httpclient使用jar包三合一,基本使用方法

    简单使用方法: public static void main(String[] args) { // String str1 = &quot;http://dev.d-smart.cn/Login&quot;; // http协议路径 String str1 = &quot;&quot;; HttpClient httpClient = new HttpClient...

    HttpClient各种使用方法

    NULL 博文链接:https://wenkaixuan.iteye.com/blog/2109590

    HttpClient类包使用方法

    代码有非常详细地注释,下载java相关包可以直接运行,希望能为将要和打算要学习HtmlClient的人提供一些前期的帮助。

    httpclient.jar包下载

    HttpClient库允许开发者执行各种HTTP方法(如GET、POST、PUT等),处理重定向、认证、cookie管理等复杂网络交互,同时提供了线程安全和高效的连接管理机制。这个库在处理Web服务API、爬虫程序或任何需要与HTTP服务器...

    httpclient简单使用

    本教程将基于标题"HTTPClient简单使用"和提供的文件`HttpService`、`HttpClient`来阐述HTTPClient的基本使用方法。 1. **HTTPClient简介** HTTPClient是Apache的 HttpClient库,它为Java开发者提供了全面的HTTP...

    使用HttpClient必须的jar包

    在Java项目中使用HttpClient时,为了确保功能的完整性和正确性,通常需要引入一系列的jar包。这些jar包包含了HttpClient的核心组件、依赖库和其他必要的工具,它们共同构成了HttpClient的运行环境。 以下是一些关键...

    HttpClient介绍和使用文档

    HttpClient还可以处理更复杂的情况,例如设置代理、使用POST方法提交表单数据、处理HTTPS连接等。对于POST方法,可以使用PostMethod类,并通过`setParameters`方法添加参数: ```java PostMethod postMethod = new ...

Global site tag (gtag.js) - Google Analytics