xpath 解析html java_Java下使用xpath解析html文件

这段时间一直在网络上扒取数据，为了方便就用到了xpath，一开始使用真的是挺难的，不过用用就好了，但是网上的资源少之又少，所以自己就写个博客把～～～ 首先需要下载三个jar包 nekohtml.jar xalan.jar xerceslmpl.jar 在下面的这个文章中可以找自己想要的

这段时间一直在网络上扒取数据，为了方便就用到了xpath，一开始使用真的是挺难的，不过用用就好了，但是网上的资源少之又少，所以自己就写个博客把～～～

首先需要下载三个jar包  nekohtml.jar   xalan.jar   xerceslmpl.jar

在下面的这个文章中可以找自己想要的语法结构

http://blog.csdn.net/dyoldfish/article/details/1774539

直接上代码

不好意思，这个文本编辑器实在是不好用，凑合着看～～

import org.apache.xpath.XPathAPI;

import org.cyberneko.html.parsers.DOMParser;

import org.w3c.dom.DOMException;

import org.w3c.dom.Document;

import org.w3c.dom.Node;

import org.w3c.dom.NodeList;

import org.xml.sax.InputSource;

public class Hxpath {

DOMParser parser = new DOMParser();

try {

//设置网页的默认编码

parser.setProperty("http://cyberneko.org/html/properties/default-encoding","gb2312");

parser.setFeature("http://xml.org/sax/features/namespaces", false);

//可以修改获取页面的编码方式，在最后的那个参数

BufferedReader in = new BufferedReader(new InputStreamReader(new URL("www.baidu.com").openStream(),"gb2312"));

parser.parse(new InputSource(in)); in.close();

} catch (Exception e) {

e.printStackTrace();

}

Document doc = parser.getDocument();

String productsXpath = "//UL/LI/A[@class='orange"; //xpath语句

NodeList products; products = XPathAPI.selectNodeList(doc, productsXpath);

String temp="";Node node = null;String p = "";

for (int i = 0; i < products.getLength(); i++) {

node = products.item(i);temp=node.getTextContent().trim();

System.out.println("i="+i+" "+temp);

}

}整个程序基本是这样的，在其中修改url值和xpath语法就可以分析html页面，如果是本地的html文件，没有试过，这个是直接从网络获取

两个语句之间使用 | 可以匹配多个

如果还有其他问题就留言～～～感觉这个东西还算是很好用的～～～