HtmlParserWord格式文档下载.docx

1、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：public Parser （）;public Parser （String resource） throws ParserException;public Parser （String res

2、ource, ParserFeedback feedback） throws ParserException;public Parser （URLConnection connection） throws ParserException;public Parser （URLConnection connection, ParserFeedback fb） throws ParserException;public Parser （Lexer lexer）;public Parser （Lexer lexer, ParserFeedback fb）;另外 ，该类还提供了一个静态方法， publi

3、c static Parser createParser （String html, String charset）;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public Parser（）;构造函数 Parser

4、parser = new Parser（）;parser.setURL（http:/www.qyclass.org）;/使用public Parser （URLConnection connection） throws ParserException;Parser parser = new Parser（ （HttpURLConnection） （new URL（）.openConnection（） ）;org.htmlparser.http.ConnectionManager manager = org.htmlparser.lexer.Page.getConnectionManager（）

5、;Parser parser = new Parser（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 Parser parser=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：package org.qyclass;import java.io.IOException;import

6、.HttpURLConnection;import .MalformedURLException;import .URL;import org.htmlparser.Parser;import org.htmlparser.http.ConnectionManager;import org.htmlparser.lexer.Page;import org.htmlparser.util.ParserException;public class HtmlParserUtils public static Parser getParserWithUrlStr（String urlStr, Stri

7、ng encoding） Parser parser = new Parser（）; try parser.setURL（urlStr）; parser.setEncoding（encoding）; catch（ParserException e） e.printStackTrace（）; return null; return parser; public static Parser getParserWithUrlConn（String urlStr, String encoding） Parser parser = null; URL url = new URL（urlStr）; Htt

8、pURLConnection urlConn = （HttpURLConnection） url.openConnection（）; parser = new Parser（urlConn）; return parser;catch （ParserException e1） e1.printStackTrace（）; catch （MalformedURLException e1） catch （IOException e1） /推荐使用下面这个方法，效率比较高。public static Parser getParserWithUrlConn2（String urlStr, String e

9、ncoding） ConnectionManager manager = Page.getConnectionManager（）; parser = new Parser（manager.openConnection（urlStr）;catch （ParserException e） public static Parser createParser（String htmlContent, String encoding） Parser parser = 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html xmlns=/www.w3.org/1999/xhtmlhead titleXX-title/headbody- 注意：换行符对解析的影响！ -tabletrtd td-c1/td/tr td-c2/tabletd-a1td-a2td-b1td-b2/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