htmlparser

简介

　　htmlparser是一个纯的java写的html解析的库，它不依赖于其它的java库文件，主要用于改造或 　　提取html。它能超高速解析html，而且不会出错。现在htmlparser最新版本为2.0。 　　毫不夸张地说，htmlparser就是目前最好的html解析和分析的工具。 　　无论你是想抓取网页数据还是改造html的内容，用了htmlparser绝对会忍不住称赞

 

htmlparser基本功能

　　1． 信息提取 　　· 文本信息抽取，例如对HTML进行有效信息搜索 　　

· 链接提取，用于自动给页面的链接文本加上链接的标签 　　

· 资源提取，例如对一些图片、声音的资源的处理 　　

· 链接检查，用于检查HTML中的链接是否有效 　　

· 页面内容的监控 　　

2． 信息转换 　　

· 链接重写，用于修改页面中的所有超链接 　　

· 网页内容拷贝，用于将网页内容保存到本地 　　

· 内容检验，可以用来过滤网页上一些令人不愉快的字词 　　

· HTML信息清洗，把本来乱七八糟的HTML信息格式化 　　

· 转成XML格式数据