NekoHTM

转自http://jlm0808.blogcn.com/diary,113856063.shtml

package com.sample;

/**
  *@author Jerry Chiang
  *@version 1.0
  */

import org.cyberneko.html.parsers.DOMParser;
import org.w3c.dom.Document;
import org.w3c.dom.Node;

public class TestHTMLDOM {

 private static String test_url1 = "http://www.baidu.com";   
 private static String str1;
  
 //main method
 public static void main(String[] argv) throws Exception{
  DOMParser parser = new DOMParser();      //实体化解析器
  parser.parse(test_url1);      //对给定的HTML文档解析
  print(parser.getDocument(), "");    //输出DOM树
  System.out.println("该网页中总字数为："+str1.length());   //统计#text结点的字数
 }

 //print method
 private static void print(Node node, String indent) {
//  System.out.println(indent+node.getNodeName());  //输出结点名字
  if (node.getNodeValue() != null) {
   if("".equals(node.getNodeValue().trim())){
   }
    else{
     if(true){
      System.out.print(indent);
      System.out.println(node.getNodeValue().trim()+node.getNodeName()); //输出结点内容
      if(node.getNodeType() == Node.TEXT_NODE){
       str1 += node.getNodeValue().trim();   //将结点内容赋值给String
      }      
     }     
    }  
  }
  Node child = node.getFirstChild();
  while (child != null) {
   print(child, indent+" ");
   child = child.getNextSibling();
  }
 }
 
}