HttpClient抓取网页

一、利用NodeFilter对网页进行分析1、生成一个Parsera.通过url提取网络上的网页

Parser parser = new Parser();

parser.setURL("http://www.yahoo.com.cn");

b.提取本地网页文件

通过读文件把网页文件转化成字符串；

Parser parser=Parser.createParser(html,charset);

2、利用NodeFilter做一个filtera.利用Tag Name

NodeFilter filter=new TagNameFilter("IMG");

b.利用Tag Class

NodeFilter filter = new NodeClassFilter(ImageTag.class);

3、通过匹配filter，得到所有符合条件的TagNodeList list=parser.extractAllNodesThat(filter);

for(int i=0;i String content=list.elementAt(i).toHtml();//得到符合条件的Tag 内容

如果针对具体情况进行更加详细的处理，则：

ImageTag imageTag=(ImageTag)list.elementAt(i);

…………

}

然后根据需要做相应的处理。





二、利用Visitor对网页进行分析 1、生成一个Parser a.通过url提取网络上的网页

Parser parser = new Parser();

parser.setURL("http://www.yahoo.com.cn");

b.提取本地网页文件

通过读文件把网页文件转化成字符串；

Parser parser=Parser.createParser(html,charset);

2、用visitor访问页面ex：ObjectFindingVisitor visitor=new ObjectFindingVisitor();

parser.visitAllNodesWith(visitor);

3、通过特定的visitor得到符合条件的TagNode[] nodes=visitor.getTags();

for(int i=0;i ImageTag imageTag=(ImageTag)nodes[i];

…………

//根据需要做特定处理

}