Java 将HTML页面转换成DOM

最新推荐文章于 2022-11-08 09:22:00 发布
最新推荐文章于 2022-11-08 09:22:00 发布
阅读量6.9k 收藏 3
点赞数 1
文章标签： java html dom
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/kydkong/article/details/50640302
版权


Java 将HTML页面转换成DOM

附加包：

nekohtml.jar

http://pan.baidu.com/s/1sk1PhNZ
nekohtml的依赖包 

http://pan.baidu.com/s/1eRyhN7W
<pre name="code" class="plain">http://pan.baidu.com/s/1jHcuZTO
<pre name="code" class="plain">http://pan.baidu.com/s/1mhhGFES
<pre name="code" class="plain">http://pan.baidu.com/s/1kTURxSN

 
 
 
 
 
 
 

 

代码例子：
 

 
 
 
 
package service;

import java.io.IOException;

import org.cyberneko.html.parsers.DOMParser;
import org.w3c.dom.Document;
import org.w3c.dom.Element;
import org.w3c.dom.NodeList;
import org.xml.sax.SAXException;


public class HTML2DomTest {  
  
	static public void main(String[] args) throws SAXException, IOException{
		//创建一个解析器  
	    DOMParser parser = new DOMParser();  
	    //解析HTML文件
	    parser.parse("html/test2.html");
	    //myparser.parse("html/test1.html");  
	    //获取解析后的DOM树  
	    Document document = parser.getDocument();  
	      
	    //通过getElementsByTagName获取Node  
	    NodeList nodeList = document.getElementsByTagName("a");
	    for (int i = 0; i < nodeList.getLength(); i++) {  
	        Element e = (Element)nodeList.item(i);  
	        System.out.print(e.getAttribute("href") + "\t");  
	        System.out.println(e.getTextContent());  
	    }
	}
}
 
 
 

 

测试用例:
 

 
 
html/test2.html
 
 
    <html>  
    <head><title>test2</title></head>  
    <body>  
      
    <h1>Page Title</h1>  
      
    <!-- Table -->  
    <table>  
    <tr>  
      <td>a1</td>  <td>a2</td>  <td>a3</td>  
    </tr>  
    <tr>  
      <td>b1</td>  <td>b2</td>  <td>b3</td>  
    </tr>  
    <tr>  
      <td>c1</td>  <td>c2</td>  <td>c3</td>  
    </tr>  
    </table>  
      
    <!-- Link -->  
    <a href="http://www.aaa.com/">aaa</a>  
    <a href="http://www.bbb.com/">bbb</a>  
    <a href="http://www.ccc.com/">ccc</a>  
      
    </body>  
    </html>  
 
 
 结果： 
 
http://www.aaa.com/	aaa
http://www.bbb.com/	bbb
http://www.ccc.com/	ccc
 
 
 
 
 

 

附加：
 

 
 
我用这个的时候遇到个问题，DOM对象中的其中一个带有大量文本的div标签不能获得内容。
 
 
猜测可能是nekohtml自动对HTML补全的时候导致结构混乱了。
 
 

 

 
 

 
 
 
 


                

        

        

    




    

      

        

            

              
                
                  FieldSoft-HelloClyde
                
              
            

            

                关注
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                    1
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    3
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                    0
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      










                



	

		

			

				
					
JavaWeb  —Dom解析

				
			

			

				

					Brain的博客
				

				

					07-04
					
					365
					
				

			

		

		

			
				
JavaWeb  —Dom解析
dom解析:
介绍Xml文件的特点:
1.标签必须成对出现 ,但是命名空间除外<‘stu : dent’><’/stu : dent’>
2.不可以用数字开头，但是可以用字母、下划线开头，标签中不能出现空格 。
3.只能有一个根标签
作用:
1.作为web工程的资源配置文件
2.作为小型数据库
头: <’?xml version=“1....

			
		

	



                

              
                



	

		

			

				
					
java 字符串转dom对象_Java中发送url请求，获取html内容，dom对象等

				
			

			

				

					weixin_39608748的博客
				

				

					02-16
					
					420
					
				

			

		

		

			
				
一、根据url请求返回状态码private static int getResultHttpUrl(String url){int responseCode=0;//状态码try {URL u = new URL(url);try {HttpURLConnection uConnection = (HttpURLConnection) u.openConnection();try {uConnec...

			
		

	



                


  
              

                


	

		

			

				
					
java HttpURLConnection抓取网页内容，将DOM文档转化成XM

				
			

			

				

					水雨田
				

				

					07-23
					
					458
					
				

			

		

		

			
				



在工作中要通java获取整个网页的html内容，或者某个网络文件的内容。这里我们可以使用java提供的HttpURLConnection类来实现对网页内容的抓取。
抓取爱图网www.iitu.net首页的内容，　在代码中我们将百度首页的内容存储到了一个byte数组中，当然我们有了 IO流以后还可以存储到文件中去了。
 



URL url = new URL("http://...

			
		

	





	

		

			

				
					
Java网络爬虫--HTML DOM（HTML 基础）

				
			

			

				

					Paranoid
				

				

					02-27
					
					5737
					
				

			

		

		

			
				
最近一直在学习Java方面的网络爬虫，然后要使用Jsoup解析html页面（htmlparse已经不建议使用了），但是对于Jsoup中的很多类和方法都很疑惑，查阅相关资料后发现使用Jsoup之前首先要了解一些HTML DOM方面的知识，就决定将网上的HTML DOM相关知识进行汇总，方便和我有相同兴趣爱好的伙伴学习。不管是学习网络爬虫还是HTML DOM，都需要有一定的HTML基础，我推荐大家看看H

			
		

	



		

			
		



	

		

			

				
					
利用栈将html源码解析为节点树

				
			

			

				

					weixin_34258782的博客
				

				

					11-24
					
					264
					
				

			

		

		

			
				
为什么80%的码农都做不了架构师？>>> 
                                        
                ...

			
		

	





	

		

			

				
					
Java使用poi将word转换为html

				
			

			

				

					08-31
				

			

		

		

			
				
总的来说，通过Apache POI库，Java开发者能够方便地将Word文档转换为HTML格式，这在处理大量文档数据、创建在线预览或跨平台展示内容时非常实用。不过，由于转换过程涉及到复杂的格式和内容解析，开发者需要对Java和...

			
		

	





	

		

			

				
					
java html串转换成文本串

				
			

			

				

					03-21
				

			

		

		

			
				
在Java编程中，将HTML字符串转换为纯文本字符串是一个常见的需求，这主要涉及到解析HTML文档并提取其中的文本内容。HTML是一种标记语言，用于构建网页结构，而纯文本则只包含可读字符，不含有任何格式化或结构信息。...

			
		

	





	

		

			

				
					
html 页面转化成图片

				
			

			

				

					07-19
				

			

		

		

			
				
在本篇文章中，我们将深入探讨如何将HTML页面转换为图片，并讨论与之相关的技术和工具。  首先，我们来看HTML页面的基本构成。HTML（HyperText Markup Language）是一种用于创建网页的标准标记语言，它包含文本、...

			
		

	





	

		

			

				
					
java实现HTML转Word

				
			

			

				

					03-28
				

			

		

		

			
				
在IT行业中，将HTML转换为Word文档是一种常见的需求，特别是在数据导出、报告生成或网页内容保存时。Java作为一种强大的开发语言，提供了多种方法来实现这个功能。本篇将详细介绍如何利用Java技术栈，特别是Apache ...

			
		

	





	

		

			

				
					
java后台html 转excel

				
			

			

				

					08-25
				

			

		

		

			
				
在Java后台处理HTML数据并转换成Excel文件是一个常见的需求，特别是在数据分析、报表生成或导出功能中。这个技术涉及到HTML解析、数据提取以及Excel文件的生成。以下将详细讲解这个过程涉及的关键知识点。  1. HTML...

			
		

	





	

		

			

				
					
富文本编辑器开发系列8——常用DOM API

				
			

			

				

					林中路
				

				

					06-16
					
					447
					
				

			

		

		

			
				
通常，我们在浏览器中，都是直接通过 来直接使用对象的，但是由于浏览器中的页面可能包含框架集，此时每一个框架集都是有一个对象，那么如何准确获取我们需要的对象呢？如果页面包含多个框架（一般来说，每一个），那么每个框架都加载的是不同的文档，它们都有自己的 文档对象，在每个对象上都有一个名为 的属性指向它所在的，所以我们可以这样或取某个文档关联的 :
如果该文档没有关联的对象，则会返回 ；但是日常开发中，我们往往首先拿到的是某个DOM节点而非对象，那我们又如何判断该节点是属于页面中哪个呢？每一个节点都有一个只读属性

			
		

	





	

		

			

				
					
Java 根据 HTML 生成 DOM 树

				
			

			

				

					訾博（ZiBo）的博客
				

				

					07-19
					
					1224
					
				

			

		

		

			
				
Java 根据 HTML 生成 DOM 树

			
		

	





	

		

			

				
					
Java解析HTML到org.w3c.dom.Document，再把Document输出到文件。

				
			

			

				

					iTer的专栏
				

				

					11-21
					
					7090
					
				

			

		

		

			
				
Document doc = parser.parseHtml(url, httpBody, entryPageUrl, docType);
      
      try {
        TransformerFactory transformerFactory = TransformerFactory
            .newInstance();
        Transfo

			
		

	





	

		

			

				
					
Discuz开发之HTML转Discuz代码(bbcode)函数html2bbcode()

				
			

			

				

					eeeeety6208的博客
				

				

					11-08
					
					465
					
				

			

		

		

			
				
这里是加粗文本

			
		

	





	

		

			

				
					
HTML字符转DOM方法

				
			

			

				

					qq_41199852的博客
				

				

					09-23
					
					1067
					
				

			

		

		

			
				
html字符串转dom的场景一般很少，也不推荐做这种危险操作，容易被XSS攻击，如果有需要按需使用。

			
		

	





	

		

			

				
					
把html转换为dom元素,如何将HTML String 转换为 dom 元素

				
			

			

				

					weixin_31746149的博客
				

				

					05-31
					
					1132
					
				

			

		

		

			
				
前一段时间因为需求，所以把这方面的资料自己查询规整了一下，以备后用。 DOMParser 对于开发者来说，我们"期盼"的最好的方式当然是原生的浏览器支持，就像下面这样   1: var parser = new DOMParser(); 2: var doc = parser.parseFromString("<input />", "text/html");  .csharpcode...

			
		

	





	

		

			

				
					
java 字符串转dom对象_xml类型的字符串转换为Dom对象

				
			

			

				

					weixin_36293258的博客
				

				

					02-13
					
					1101
					
				

			

		

		

			
				
我写这篇博客的目的是因为我在这一点转换方面耽搁了快2天时间，真是惭愧呀，dom4j.jar包有自带方法DocumentHelper.parseText(String text)用于将字符串类型的xml转换为Dom对象，从而进行下面的解析，还有一个关键是：产生字符串类型的xml。下面是一个实例：一、首先我们导入jar包：dom4j二、转换为字符串类型的xml，然后再转换为dom对象import ja...

			
		

	





	

		

			

				
					
html 字符串互转DOM

				
			

			

				

					weixin_33688840的博客
				

				

					10-30
					
					671
					
				

			

		

		

			
				
描述
拼动态HTML 字符串的时候，把HTML转DOM对象设置属性后，在转字符串

var str1="<ul><li>kim</li><li>andy</li><ul>";
var $dom=$(str);
$dom.addClass("pro_item_single");
var str2=$dom.prop...

			
		

	





	

		

			

				
					
java xml字符串转换为HTML格式

					
最新发布

				
			

			

				

					06-01
				

			

		

		

			
				
要将Java中的XML字符串转换为HTML格式，需要使用一些库和技术。以下是一些可能有用的步骤：  1. 将XML字符串解析为Java对象。可以使用Java内置的DOM或SAX解析器，或者更流行的第三方库，如Jackson或JAXB。这将使您...

			
		

	



              



  
“相关推荐”对你有帮助么？

  

      
    
          
  • 
              
    
                  
                  
              
    
              
    非常没帮助
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    没帮助
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    一般
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    有帮助
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    非常有帮助
    
          
    • 
      

      

      

          
          提交
      

      

  




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值