html文档解析程序,Htmlparse解析HTML文档（例）

//http://hao861002.javaeye.com/blog/288903

关键字: parser

import java.util.HashMap;

import java.util.Map;

import org.htmlparser.Node;

import org.htmlparser.NodeFilter;

import org.htmlparser.Parser;

import org.htmlparser.tags.LinkTag;

import org.htmlparser.util.NodeList;

import com.yao.http.HttpRequester;

import com.yao.http.HttpRespons;

/**

* JAVA中使用Htmlparse解析HTML文档，使用htmlparse遍历出HTML文档的所有超链接(标记)。

*

* @author YYmmiinngg

*/

public class Test {

public static void main(String[] args) {

try {

/* 首先我们先使用HttpRequester类和HttpRespons类获得一个HTTP请求中的数据(HTML文档)。 可以从([url]http://download.csdn.net/source/321516[/url])中下载htmlloader，该库中有上述类；或从我的 《JAVA发送HTTP请求，返回HTTP响应内容，实例及应用》一文中摘取上述两JAVA类的代码。htmlparse可以从 ([url]http://download.csdn.net/source/321507[/url])中下载

*/

Map map = new HashMap();

HttpRequester request = new HttpRequester();

HttpRespons hr = request.sendGet("http://www.baidu.com");

Parser parser = Parser.createParser(hr.getContent(), hr

.getContentEncoding());

try {

// 通过过滤器过滤出标签

NodeList nodeList = parser

.extractAllNodesThatMatch(new NodeFilter() {

//实现该方法,用以过滤标签

public boolean accept(Node node) {

if (node instanceof LinkTag)//标记

return true;

return false;

}

});

// 打印

for (int i = 0; i < nodeList.size(); i++) {

LinkTag n = (LinkTag) nodeList.elementAt(i);

System.out.print(n.getStringText() + " ==>> ");

System.out.println(n.extractLink());

}

} catch (Exception e) {

e.printStackTrace();

}

} catch (Exception e) {

e.printStackTrace();

}

}

}