HtmlParser学习笔记（一）-- 创建Parser对象

 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：

public Parser ();  
public Parser (String resource) throws ParserException;  
public Parser (String resource, ParserFeedback feedback) throws ParserException;  
public Parser (URLConnection connection) throws ParserException;  
public Parser (URLConnection connection, ParserFeedback fb) throws ParserException;  
public Parser (Lexer lexer);  
public Parser (Lexer lexer, ParserFeedback fb);  

　　

public static Parser createParser (String html, String charset);  

　　

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

//使用public Parser();构造函数  
Parser parser = new Parser();  
parser.setURL("http://www.yahoo.com.cn");  
  
//使用public Parser (URLConnection connection) throws ParserException;构造函数  
Parser parser = new Parser(  
              (HttpURLConnection) (new URL("http://www.baidu.com")).openConnection()  
                    );  
  
org.htmlparser.http.ConnectionManager manager = org.htmlparser.lexer.Page.getConnectionManager();  
Parser parser = new Parser(manager.openConnection("http://www.baidu.com"));  
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  
Parser parser=Parser.createParser(html,charset);  

Node中包含的方法有几类：
对于树型结构进行遍历的函数，这些函数最容易理解：
Node getParent ()：取得父节点
NodeList getChildren ()：取得子节点的列表
Node getFirstChild ()：取得第一个子节点
Node getLastChild ()：取得最后一个子节点
Node getPreviousSibling ()：取得前一个兄弟（不好意思，英文是兄弟姐妹，直译太麻烦而且不符合习惯，对不起女同胞了）
Node getNextSibling ()：取得下一个兄弟节点
取得Node内容的函数：
String getText ()：取得文本
String toPlainTextString()：取得纯文本信息。
String toHtml () ：取得HTML信息（原始HTML）
String toHtml (boolean verbatim)：取得HTML信息（原始HTML）
String toString ()：取得字符串信息（原始HTML）
Page getPage ()：取得这个Node对应的Page对象
int getStartPosition ()：取得这个Node在HTML页面中的起始位置
int getEndPosition ()：取得这个Node在HTML页面中的结束位置
用于Filter过滤的函数：
void collectInto (NodeList list, NodeFilter filter)：基于filter的条件对于这个节点进行过滤，符合条件的节点放到list中。
用于Visitor遍历的函数：
void accept (NodeVisitor visitor)：对这个Node应用visitor
用于修改内容的函数，这类用得比较少：
void setPage (Page page)：设置这个Node对应的Page对象
void setText (String text)：设置文本
void setChildren (NodeList children)：设置子节点列表
其他函数：
void doSemanticAction ()：执行这个Node对应的操作（只有少数Tag有对应的操作）
Object clone ()：接口Clone的抽象函数。

转载于:https://www.cnblogs.com/zuhaoran/p/6953496.html