package com.web.test;
import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.net.URL;
import org.htmlparser.Node;
import org.htmlparser.NodeFilter;
import org.htmlparser.Parser;
import org.htmlparser.tags.LinkTag;
import org.htmlparser.util.NodeList;
/**
* 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 ReadHTML2
{
public static void main(String[] args)
{
try
{
//1.网页HTML
String strUrl = "http://www.boc.cn/finadata/lilv/";
URL url = new URL(strUrl);
InputStreamReader isr = new InputStreamReader(url.openStream());
BufferedReader br = new BufferedReader(isr);
String htmlString = "";
//2.本地HTML
// File f=new File("fortest.htm");
//输入流
// InputStreamReader isr1=new InputStreamReader(new FileInputStream(f));
// BufferedReader br=new BufferedReader(isr1);
//获取html转换成String
String s;
String allContent = "";
while ((s = br.readLine()) != null)
{
allContent = allContent + s;
}
//使用后HTML Parser 控件
Parser myParser = Parser.createParser(allContent, "utf-8");
try
{
// 通过过滤器过滤出<A>标签
NodeList nodeList = myParser
.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();
}
}
}
分享到:
相关推荐
Java HtmlParse 是一个强大的 HTML 解析器,可以帮助开发者快速提取 HTML 文档中的标签和值。下面将详细介绍 Java HtmlParse 提取标签中的值操作的知识点。 HtmlParse 简介 HtmlParse 是一个基于 Java 的 HTML ...
当我们使用搜索引擎(如Google或Yahoo)在海量信息中查找所需资料时,实际上是依赖于一种被称为“网络蜘蛛”(Spider)的软件在不断地在网络上爬取信息并对HTML文档进行解析和记录。虽然市场上有许多现成的HTML解析...
HTMLParser是一个开源的Java库,专门用于解析HTML文档。它为开发者提供了一种方便的方式来处理网页内容,尤其是在从网页上抓取数据时。这个“htmlparse 2.0 + 中文doc文档 天涯浪子”集合包含了HTMLParser 2.0版本的...
HtmlParser是一个Java库,专门用于解析HTML文档,它支持事件驱动(如SAX)和DOM两种解析模式。HtmlParser与HtmlLexer一起工作,HtmlLexer将HTML源代码转换为一系列事件,然后由HtmlParser处理这些事件,从而解析出...
该工具主要用于解析和提取HTML文档中的内容,具有高度的效率和准确性。它适用于各种场景,如网页抓取、HTML文档的修改与增强等。 #### 二、HTMLParser核心功能 - **解析HTML**:能够高效地解析HTML文档,包括HTML5...
在Android开发中,HttpRequest、Document、HtmlParse以及AsyncTask是常用的技术组件,它们分别用于网络请求、XML解析、HTML解析和异步任务处理。这些技术的结合使用可以帮助开发者实现从远程服务器获取数据,解析XML...
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...
【HtmlParse】是指解析HTML文档的过程,它是爬虫获取和处理网页信息的关键步骤。在Java中,Jsoup是一个流行的选择,它提供了一种简单的方式来解析HTML,查找、提取和修改数据。通过Jsoup,我们可以定位到特定的HTML...
HtmlParse,解析给定url中的中文字符,输出到文本文件中: url:可配置多个 输出路径:可配置 package com.lhs; import java.io.BufferedReader; import java.io.BufferedWriter; import java.io.File; import ...
这些库允许Java程序解析HTML文档,提取所需的数据。它们提供了API来查找特定元素,如链接、标题、段落等,或者使用CSS选择器选取数据。在爬虫中,解析HTML是至关重要的,因为爬取的数据通常是以HTML格式返回的,需要...
6. **实战应用**:在压缩包中的`HtmlParse`文件中,可能包含了示例代码,演示了如何结合JSOUP和Java的网络请求功能实现模拟登录。通过阅读和理解这段代码,你可以更深入地了解上述步骤的实际操作。 总的来说,Java...
3. **内容过滤**:清除HTML中的恶意脚本、广告等,提高内容安全性。 4. **格式化HTML**:将不规范的HTML整理成标准格式,便于后续处理。 **总结** jsoup是Java开发者处理HTML的强大工具,其源码和API文档的提供使...
在JAVA中用于解析HTML文件,该组件的解析功能非常出色,请查看有关该组件详细说明
例如,要查找HTML中的所有`<div>`标签,可以这样做: ```java Document doc = Jsoup.connect("http://www.example.com").get(); Elements divs = doc.select("div"); for (Element div : divs) { System.out....
HTMLParse提供了一种简单的方式来解析HTML文档,通过元素树(ElementTree)结构来表示HTML页面,允许用户通过XPath或CSS选择器来查找和操作特定的HTML元素。这在进行Web爬虫开发、网站自动化测试或者数据分析时非常...
可以使用HTML解析库,如Jsoup或本例中的HtmlParse,来提取所需数据。 5. **处理数据**:根据业务需求,对解析后的数据进行进一步处理,如存储、清洗、分析等。 关于HTMLParse的使用,我们有两个主要的过滤器类型: ...
用于JAVA中的HTTP请求,htmlloader用于发送HTTP请求并返回文档对象 可以结合htmlparse组件完成对HTML文档的解析
此外,还有两个文档文件:`.doc`文件可能包含了项目的详细报告,详细阐述了搜索引擎的设计理念、实现方法以及性能评估等内容;`SearchEngine.doc`可能专门讲述了搜索引擎的具体实现细节和技术要点。 总的来说,这个...