LinkTaglink=（LinkTag）nodelist.elementAt（i）;
//链接地址
System.out.println（link.getAttribute（"href"）+"\n"）;
//链接名称
System.out.println（link.getStringText（））;
}
}
}
结果如下：
连接1
连接2
2.使用HtmlParser抓去网页内容
packageparser;
importorg.htmlparser.Parser;
importorg.htmlparser.beans.StringBean;
importorg.htmlparser.filters.NodeClassFilter;
importorg.htmlparser.parserapplications.StringExtractor;
importorg.htmlparser.tags.BodyTag;
importorg.htmlparser.util.NodeList;
importorg.htmlparser.util.ParserException;
/**
*使用HtmlParser抓去网页内容:
要抓去页面的内容最方便的方法就是使用StringBean.里面有几个控制页面内容的几个参数.
*在后面的代码中会有说明.Htmlparser包中还有一个示例StringExtractor里面有个直接得到内容的方法,
*其中也是使用了StringBean.另外直接解析Parser的每个标签也可以的.
*
*@authorchenguoyong
*
*/
publicclassGetContent{
publicvoidgetContentUsingStringBean（Stringurl）{
StringBeansb=newStringBean（）;
sb.setLinks（true）;//是否显示web页面的连接（Links）
//为了取得页面的整洁美观一般设置上面两项为true,如果要保持页面的原有格式,如代码页面的空格缩进可以设置为false
sb.setCollapse（true）;//如果是true的话把一系列空白字符用一个字符替代.
sb.setReplaceNonBreakingSpaces（true）;//Iftrueregularspace
sb
.setURL（"
System.out.println（"TheContentis:
\n"+sb.getStrings（））;
}
publicvoidgetContentUsingStringExtractor（Stringurl,booleanlink）{
//StringExtractor内部机制和上面的一样.做了一下包装
StringExtractorse=newStringExtractor（url）;
Stringtext=null;
try{
text=se.extractStrings（link）;
System.out.println（"Thecontentis:
\n"+text）;
}catch（ParserExceptione）{
e.printStackTrace（）;
}
}
publicvoidgetContentUsingParser（Stringurl）{
NodeListnl;
try{
Parserp=newParser（url）;
nl=p.parse（newNodeClassFilter（BodyTag.class））;
BodyTagbt=（BodyTag）nl.elementAt（0）;
System.out.println（bt.toPlainTextString（））;//保留原来的内容格式.包含js代码
}catch（ParserExceptione）{
e.printStackTrace（）;
}
}
/**
*@paramargs
*/
publicstaticvoidmain（String[]args）{
Stringurl="
//newGetContent（）.getContentUsingParser（url）;
//--------------------------------------------------
newGetContent（）.getContentUsingStringBean（url）;
}
}
3.将整个html内容保存到指定文件
packageparser;
importjava.io.BufferedReader;
importjava.io.BufferedWriter;
importjava.io.FileWriter;
importjava.io.IOException;
importjava.io.InputStream;
importjava.io.InputStreamReader;
import.MalformedURLException;
import.URL;
/**
*基本能实现网页抓取，不过要手动输入URL将整个html内容保存到指定文件
*
*@authorchenguoyong
*
*/
publicclassScrubSelectedWeb{
privatefinalstaticStringCRLF=System.getProperty（"line.separator"）;
/**
*@paramargs
*/
publicstaticvoidmain（String[]args）{
try{
URLur=newURL（"
InputStreaminstr=ur.openStream（）;
Strings,str;
BufferedReaderin=newBufferedReader（newInputStreamReader（instr））;
StringBuffersb=newStringBuffer（）;
BufferedWriterout=newBufferedWriter（newFileWriter（
"D:
/outPut.txt"））;
while（（s=in.readLine（））!
=null）{
sb.append（s+CRLF）;
}
System.out.println（sb）;
str=newString（sb）;
out.write（str）;
out.close（）;
in.close（）;
}catch（MalformedURLExceptione）{
e.printStackTrace（）;
}catch（IOExceptione）{
e.printStackTrace（）;
}
}
}
4利用htmlparser提取网页纯文本的例子
packageparser;
importorg.htmlparser.Node;
importorg.htmlparser.NodeFilter;
importorg.htmlparser.Parser;
importorg.htmlparser.filters.TagNameFilter;
importorg.htmlparser.tags.TableTag;
importorg.htmlparser.util.NodeList;
/**
*标题:
利用htmlparser提取网页纯文本的例子
*/
publicclassTestHTMLParser2{
/**
*读取目标html内容
*
*/
publicstaticvoidtestHtml（）{
try{
StringsCurrentLine;
StringsTotalString;
sCurrentLine="";
sTotalString="";
java.io.InputStreaml_urlStream;
.URLl_url=new.URL（
"http:
//10.249.187.199:
8083/injs100/"）;
.HttpURLConnectionl_connection=（.HttpURLConnection）l_url
.openConnection（）;
l_connection.connect（）;
l_urlStream=l_connection.getInputStream（）;
java.io.BufferedReaderl_reader=newjava.io.BufferedReader（
newjava.io.InputStreamReader（l_urlStream））;
while（（sCurrentLine=l_reader.readLine（））!
=null）{
sTotalString+=sCurrentLine+"\r\n";
}
StringtestText=extractText（sTotalString）;
}catch（Exceptione）{
e.printStackTrace（）;
}
}
/**
*抽取纯文本信息
*@paraminputHtml：
html文本
*@return
*@throwsException
*/
publicstaticStringextractText（StringinputHtml）throwsException{
StringBuffertext=newStringBuffer（）;
Parserparser=Parser.createParser（newString（inputHtml.getBytes（）,
"GBK"）,"GBK"）;
//遍历所有的节点
NodeListnodes=parser.extractAllNodesThatMatch（newNodeFilter（）{
publicbooleanaccept（Nodenode）{
returntrue;
}
}）;
System.out.println（nodes.size（））;
for（inti=0;iNodenodet=nodes.elementAt（i）;
//字符串的代表性节点:
节点的描述
text.append（newString（nodet.toPlainTextString（）.getBytes（"GBK"））
+"\r\n"）;
}
returntext.toString（）;
}
/**
*读取文件的方式/utl来分析内容.filePath也可以是一个Url.
*@paramresource:
文件/Url
*@throwsException
*/
publicstaticvoidtest5（Stringresource）throwsException{
ParsermyParser=newParser（resource）;
myParser.setEncoding（"GBK"）;
StringfilterStr="table";
NodeFilterfilter=newTagNameFilter（filterStr）;
NodeListnodeList=myParser.extractAllNodesThatMatch（filter）;
/*for（inti=0;i{
TableTagtabletag=（TableTag）nodeList.elementAt（i）;
//标签名称
System.out.println（tabletag.getTagName（））;
System.out.println（tabletag.getTe
升级会员 