java解析网页全过程_Java网页解析

介绍

今天给大家推荐一款最好的网页解析类库—HtmlCleaner。至少是目前为止最好的Java解析库。

与HtmlCleaner结缘是在年初的时候，因为一项工作需要解析Html页面，所以我在网上遍寻Html解析库。

网上口碑极佳的是HTML Parser这个库，我试了一下，速度极慢，处理一个比较大的网页需要几百毫秒，更要命的是，有些网页解析不了！

经过千辛万苦，我终于找到了籍籍无名的HtmlCleanner。一见之下，惊为天人！

HtmlCleanner

HtmlCleaner极其短小精悍，源码一共只有260KB，并且速度惊人，只需要10毫秒左右就可以处理完HtmlParser需要300毫秒处理的Html页面。

而且，根据我对网上随机的网页进行的测试，没有一个对付不了的。

打开HtmlCleaner的javadoc，常常的一串接口和类。别怕，那些都不用您操心。我们只需要关心HtmlCleaner这个类就可以了。

HtmlCleaner库的使用极其简便，只需要调用HtmlCleaner类的几个方法即可。

典型的使用过程如下：

HtmlCleaner cleaner = new HtmlCleaner(...);     // one of few constructors

cleaner.setXXX(...)                             // optionally, set cleaner's behaviour

clener.clean();                                 // calls cleaning pr