java htmlcleaner_htmlcleaner使用及xpath语法初探

一、HtmlCleaner使用：

1、HtmlCleaner

HtmlCleaner是一个开源的Java语言的Html文档解析器。HtmlCleaner能够重新整理HTML文档的每个元素并生成结构良好(Well-Formed)的 HTML 文档。默认它遵循的规则是类似于大部份web浏览器为创文档对象模型所使用的规则。然而，用户可以提供自定义tag和规则组来进行过滤和匹配。

2、基本示例，在wikipedia中抓取机场信息

import java.io.UnsupportedEncodingException;

import org.htmlcleaner.HtmlCleaner;

import org.htmlcleaner.TagNode;

import org.htmlcleaner.XPatherException;

import org.slf4j.Logger;

import org.slf4j.LoggerFactory;

//import com.moore.index.BabyStory;

import com.moore.util.HttpClientUtil;

/**

* 用途：TODO

*

* @author bbdtek

*/

public class ParserAirport {

private static Logger log = LoggerFactory.getLogger(ParserAirport.class);

/**

* @param args

* @throws UnsupportedEncodingException

* @throws XPather