HtmlParserWord格式文档下载.docx
- 文档编号:15329236
- 上传时间:2022-10-29
- 格式:DOCX
- 页数:11
- 大小:21.23KB
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
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- HtmlParser