HtmlParser 一个不错的网站爬虫工具

有时候我们需要在网上获取自己需要的内容时，而且需求量达到一定程度时，就要通过代码来实现重复的操作。

当用Java来帮我们解决这个问题时，我们又如何通过Java来过滤掉多余的内容，剩余自己想要的信息呢，这时HtmlParser会是一个不错的选择。

HtmlParser是一个用java语言写的，用来解析html文件（网页）的应用库，主要的作用就是做网页的信息提取。

HtmlParser提供了许多的过滤器给我们选择，而且使用它只需要下载一个jar包，然后向项目导入jar包就可以引用了。

在这里，笔者使用几个比较常用的过滤器来做网页提取。

首先，我们需要下载HtmlParser的jar包，下载地址：点击打开链接

我们选择最新的1.6的版本，下载完后，解压压缩包，到htmlparser1_6\lib目录下，复制htmlParser.jar文件然后粘贴到你的项目里面，跟着下面步骤操作。