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）

实例代码如下：

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（<a>标记）。

 *

 * @author YYmmiinngg

 */

public class Test {

    public static void main(String[] args) {

       try {

           Map<String, String> map = new HashMap<String, String>();

           // 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）。

           // 可以从资料库中下载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

           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<A>标签

              NodeList nodeList = parser

                     .extractAllNodesThatMatch(new NodeFilter() {

                         public boolean accept(Node node) {

                            if (node instanceof LinkTag)

                                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();

       }

    }

}