htmlparser
htmlparser是一个纯的java写的html解析的库，它不依赖于其它的java库文件，主要用于改造或
提取html。它能超高速解析html，而且不会出错。
毫不夸张地说，htmlparser就是目前最好的html解析和分析的工具。
无论你是想抓取网页数据还是改造html的内容，用了htmlparser绝对会忍不住称赞。
取得一段html代码里面所有的链接C#版本，java版本类似：
string htmlcode = "<HTML><HEAD><TITLE>AAA</TITLE></HEAD><BODY>" + ...... + "</BODY></HTML>";
Parser parser = Parser.CreateParser(htmlcode, "GBK");
HtmlPage page = new HtmlPage(parser);
try
{ parser.VisitAllNodesWith(page);}
catch (ParserException e1)
{ e1 = null;}
NodeList nodelist = page.Body;
NodeFilter filter = new TagNameFilter("A");
nodelist = nodelist.ExtractAllNodesThatMatch(filter, true);
for (int i = 0; i < nodelist.Size(); i++)
{
LinkTag link=(LinkTag) nodelist.ElementAt(i);
System.Console.Write(link.GetAttribute("href") + "\n");
}
有效的链接：http://www.yeeach.com/2008/05/19/htmlparser%E4%BD%BF%E7%94%A8%E6%8C%87%E5%8D%97/
主要是如下几种方式
采用Visitor方式访问Html
try {
Parser parser = new Parser();
parser.setURL(”http://www.google.com”);
parser.setEncoding(parser.getEncoding());
NodeVisitor visitor = new NodeVisitor() {
public void visitTag(Tag tag) {
logger.fatal(”testVisitorAll() Tag name is :”
+ tag.getTagName() + ” \n Class is :”
+ tag.getClass());
}
};
parser.visitAllNodesWith(visitor);
} catch (ParserException e) {
e.printStackTrace();
}
采用Filter方式访问html
try {
NodeFilter filter = new NodeClassFilter(LinkTag.class);
Parser parser = new Parser();
parser.setURL(”http://www.google.com”);
parser.setEncoding(parser.getEncoding());
NodeList list = parser.extractAllNodesThatMatch(filter);
for (int i = 0; i < list.size(); i++) {
LinkTag node = (LinkTag) list.elementAt(i);
logger.fatal(”testLinkTag() Link is :” + node.extractLink());
}
} catch (Exception e) {
e.printStackTrace();
}
采用org.htmlparser.beans方式
另外htmlparser 还在org.htmlparser.beans中对一些常用的方法进行了封装，以简化操作，例如：
Parser parser = new Parser();
LinkBean linkBean = new LinkBean();
linkBean.setURL(”http://www.google.com”);
URL[] urls = linkBean.getLinks();
for (int i = 0; i < urls.length; i++) {
URL url = urls[i];
logger.fatal(”testLinkBean() -url is :” + url);
}
分享到：
相关推荐
使用HTMLParser，我们可以解析网页内容，提取所需信息，如文章标题、链接、图片等。以下是一些核心概念和步骤： 1. **创建自定义解析器**: 首先，我们需要继承Python的`HTMLParser`类，并重写其方法，如`handle_...
META-INF/maven/org.htmlparser/htmlparser/pom.properties META-INF/maven/org.htmlparser/htmlparser/pom.xml org.htmlparser.Parser.class org.htmlparser.PrototypicalNodeFactory.class org.htmlparser.beans....
在描述中提到的“org.htmlparser.Node”和其他的.class文件，这些都是HTMLParser库的核心组成部分。`org.htmlparser.Node` 是HTMLParser中的一个关键接口，它代表HTML文档中的一个节点，可以是元素（Element）、注释...
`HtmlParser2003`可能是一个早期版本的源代码，而`AnalyzeHtml`和`WebParser`则可能是演示如何使用HtmlParser的项目。 1. **AnalyzeHtml**：这个项目可能展示了如何分析HTML文档，通过调用HtmlParser的API来提取...
在这个压缩包中，你可能找到了HTMLParser项目的所有必需jar包，这将帮助你全面地利用这个库的功能。 HTMLParser的核心功能包括： 1. **解析HTML**：HTMLParser可以读取HTML文档并将其转换为一个可操作的DOM...
在提供的压缩包中，`HTMLParser-2.0-SNAPSHOT-bin`可能是可执行的二进制文件，包括了编译好的JAR文件和其他运行所需的资源。而`HTMLParser-2.0-SNAPSHOT`可能包含了源代码，这对于开发者来说是宝贵的，因为他们可以...
`htmlparser.dll`是这个库的动态链接库文件，它包含了编译好的类和方法，可以直接在C#项目中引用以使用HTMLParser的功能。在C#项目中，我们可以通过添加对dll的引用来调用库中的方法，比如解析HTML字符串、查找特定...
本项目名为"HTMLParser.net源代码HTMLParser.net使用demo"，显然是一个包含示例代码的压缩包，用于展示如何在实际应用中使用HTMLParser.net。 HTMLParser.net的核心功能包括： 1. **HTML解析**：它能够将HTML字符...
下面将详细阐述Winista.HtmlParser的相关知识点。 1. **HTML解析原理**： HTML解析器的工作原理是对HTML源码进行分析，识别出标签、属性、文本等内容。Winista.HtmlParser可能采用了基于DOM（文档对象模型）或SAX...
在很多Web抓取、信息提取以及网页分析的项目中，HTMLParser都是一个理想的工具。 HTMLParser库的设计考虑了易用性和灵活性，它提供了丰富的API，允许开发者通过编程方式来访问和操作HTML文档的各个元素，如标签、...
在“htmlparser.jar”中，包含了HTMLParser库的所有类和方法，使得开发人员可以将这个库集成到他们的Java项目中。使用jar文件，开发者可以直接导入并使用HTMLParser的API来解析和操作HTML文档。 "htmlparser实现从...
以下是对HTMLParser及其相关知识点的详细说明： 1. HTML解析：HTMLParser的设计目的是为了处理HTML文档的非结构化特性。由于HTML经常存在不规范的情况，如缺少闭合标签、嵌套错误等，HTMLParser通过容错机制，能够...
HTMLParser提供了两种主要的解析方式：事件驱动和DOM（Document Object Model）模型。这两个jar包——htmlparser.jar和htmllexer.jar，包含了实现这些功能所需的类和方法。 htmlparser.jar是核心库，它包含了...
htmlparser-1.2.1jar包下载htmlparser-1.2.1jar包下载
《C# HTMLParser详解及其应用》 在编程领域，处理HTML文档是一项常见的任务，尤其是在Web开发中。C#作为微软推出的面向对象的编程语言，拥有丰富的库和工具来支持这项工作。本文将深入探讨C#中的HTMLParser，以及...
**HtmlParser 2.1 知识点详解** HtmlParser是一个强大的开源库，主要用于解析HTML文档，它在处理不规则的HTML结构时表现出了极高的灵活性和稳定性。这个"HtmlParser 2.1 码源"是该库的2015年6月的最新版本，包含了...
- `htmlparser1_6_20060610.zip`：这是HTMLParser的一个较早版本，发布于2006年6月10日。它可能包含旧版API和特性，对于需要兼容旧项目或研究历史版本的人来说是有价值的。 - `HTMLParser-2.0-SNAPSHOT-src.zip`：...
以下是对`HtmlParser`及其相关知识点的详细说明： 1. **HTML解析**：HTMLParser提供了对HTML文档的解析能力，将HTML文本转换为可操作的对象模型。它能够处理嵌套标签、属性、注释以及实体引用等HTML元素。 2. **...