cyberneko+Dom4j玩转HTML解析

转自：http://blog.csdn.net/comliu/article/details/1826750

不是想盗版，实在是解决了我一大问题 ，必须记录下来：      

cyberneko是一个HTML解析器,它可以将HTML文件解析成w3c的Document对象。Dom4J则支持通过XPath表达式检索元素。用XPath检索Html真的是很爽的事！现在就开始：

        第一步:cyberneko解析
        DOMParser parser = new DOMParser();
 parser.parse(path);
 org.w3c.dom.Document w3cDoc=parser.getDocument(); 

        第二步:w3c的Document转换为Dom4J的Document:
        DOMReader domReader=new DOMReader();
 document=domReader.read(w3cDoc);

        第三步:创建Xpath对象
        XPath xpath=new DefaultXPath("//DIV[@class='abc']");
        
        如果页面声明了xmlns命名空间，还需要加入命名空间信息
        Map nameSpaces=new HashMap();
 nameSpaces.put("xmlns","http://www.w3.org/1999/xhtml");
        xpath.setNamespaceContext(new SimpleNamespaceContext(nameSpaces));
        这样，表达式就应该写成:
        "//xmlns:DIV[@xmlns:class='abc']"

        第四步:检索
        List nodes=xpath.selectNodes(doc);