HtmlParserWord格式文档下载.docx
《HtmlParserWord格式文档下载.docx》由会员分享，可在线阅读，更多相关《HtmlParserWord格式文档下载.docx（11页珍藏版）》请在冰豆网上搜索。
标签节点，是种类最多的节点类型，上述Tag的具体节点类都是
3）.TextNode：
文本节点
HtmlParser学习笔记
（一）--创建Parser对象
最近学习了下htmlparser，用这东西解析html还是蛮好用的，为了防止以后忘掉，现总结一下。
首先，介绍下HTMLParser的核心类，org.htmlparser.Parser类，这个类实际完成了对于HTML页面的分析工作。
主要的构造函数如下：
publicParser（）;
publicParser（Stringresource）throwsParserException;
publicParser（Stringresource,ParserFeedbackfeedback）throwsParserException;
publicParser（URLConnectionconnection）throwsParserException;
publicParser（URLConnectionconnection,ParserFeedbackfb）throwsParserException;
publicParser（Lexerlexer）;
publicParser（Lexerlexer,ParserFeedbackfb）;
另外，该类还提供了一个静态方法，
publicstaticParsercreateParser（Stringhtml,Stringcharset）;
对于大多数使用者来说，使用最多的是通过一个URLConnection或者一个保存有网页内容的字符串来初始化Parser，或者使用静态函数来生成一个Parser对象。
ParserFeedback的代码很简单，是针对调试和跟踪分析过程的，一般不需要改变。
而使用Lexer则是一个相对比较高级的话题，放到以后再讨论吧。
常见的创建Parser的方法，如下：
方法一：
通过url提取网络上的网页
www.qyclass.org
//使用publicParser（）;
构造函数
Parserparser=newParser（）;
parser.setURL（"
http:
//www.qyclass.org"
）;
//使用publicParser（URLConnectionconnection）throwsParserException;
Parserparser=newParser（
（HttpURLConnection）（newURL（"
））.openConnection（）
）;
org.htmlparser.http.ConnectionManagermanager=org.htmlparser.lexer.Page.getConnectionManager（）;
Parserparser=newParser（manager.openConnection（"
））;
parser.setEncoding（"
GB2312"
方法二：
提取本地网页文件（通过读文件把网页文件转化成字符串）
//使用静态方法
Parserparser=Parser.createParser（html,charset）;
HtmlParserUtils.java公用类
该文件是自己编写的一个可复用的类，专门用来创建Parser对象，这里提供出来是为了方便后面的例子使用，代码如下：
packageorg.qyclass;
importjava.io.IOException;
import.HttpURLConnection;
import.MalformedURLException;
import.URL;
importorg.htmlparser.Parser;
importorg.htmlparser.http.ConnectionManager;
importorg.htmlparser.lexer.Page;
importorg.htmlparser.util.ParserException;
publicclassHtmlParserUtils{
publicstaticParsergetParserWithUrlStr（StringurlStr,Stringencoding）{
Parserparser=newParser（）;
try{
parser.setURL（urlStr）;
parser.setEncoding（encoding）;
}
catch（ParserExceptione）
{
e.printStackTrace（）;
returnnull;
returnparser;
}
publicstaticParsergetParserWithUrlConn（StringurlStr,Stringencoding）{
Parserparser=null;
URLurl=newURL（urlStr）;
HttpURLConnectionurlConn=（HttpURLConnection）url.openConnection（）;
parser=newParser（urlConn）;
returnparser;
catch（ParserExceptione1）
{
e1.printStackTrace（）;
}
catch（MalformedURLExceptione1）
catch（IOExceptione1）
//推荐使用下面这个方法，效率比较高。
publicstaticParsergetParserWithUrlConn2（StringurlStr,Stringencoding）{
ConnectionManagermanager=Page.getConnectionManager（）;
parser=newParser（manager.openConnection（urlStr））;
catch（ParserExceptione）
}
publicstaticParsercreateParser（StringhtmlContent,Stringencoding）
Parserparser=Parser.createParser（htmlContent,encoding）;
}
HtmlParser学习笔记
（二）--遍历结点
这次主要演示下，如何迭代一个Node结点的所有根子结点。
首先，先来看下需要解析的html页面的内容，该文件命名为htmlparser.html，详细内容如下所示（该页面以后将会多次使用）：
Html代码
<
!
DOCTYPEhtmlPUBLIC"
-//W3C//DTDXHTML1.0Transitional//EN"
"
//www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"
>
htmlxmlns="
//www.w3.org/1999/xhtml"
head>
<
metahttp-equiv="
Content-Type"
content="
text/html;
charset=gb2312"
/>
title>
XX-title<
/title>
/head>
body>
--注意：
换行符对解析的影响！
-->
table>
tr>
td>
td-c1
/td>
/tr>
td-c2
/table>
td-a1<
td-a2<
td-b1<
td-b2<
/body>
/html>
注：
由于页面采用的url方式访问，所以要先用myeclipse建立个空的web工程
升级会员 