JAVA解析HTML
2016-01-26 17:09
357 查看
htmlparser
htmlparser是一个纯的java写的html(标准通用标记语言下的一个应用)解析的库,它不依赖于其它的java库文件,主要用于改造或提取html。
无论你是想抓取网页数据还是改造html的内容,用了htmlparser绝对会忍不住称赞。
示例代码:
import org.htmlparser.Node; import org.htmlparser.NodeFilter; import org.htmlparser.Parser; import org.htmlparser.filters.CssSelectorNodeFilter; import org.htmlparser.filters.HasAttributeFilter; import org.htmlparser.filters.OrFilter; import org.htmlparser.filters.TagNameFilter; import org.htmlparser.util.NodeList; import org.htmlparser.util.ParserException; /** * 封装的HtmlParser实现的解析器 * * @author jianggujin * */ public class HQHtmlParser { /** 解析器 **/ private Parser parser = null; /** 重置 **/ private boolean needReset = false; /** * 构造方法 * * @param resource * @throws ParserException */ public HQHtmlParser(String resource) throws ParserException { parser = new Parser(resource); } /** * 重置 */ private void reset() { if (needReset) { parser.reset(); } needReset = true; } /** * 通过id获得元素 * * @param id * @return * @throws ParserException */ public Node getElementById(String id) throws ParserException { reset(); NodeFilter filter = new HasAttributeFilter("id", id); NodeList nodes = parser.extractAllNodesThatMatch(filter); return nodes != null && nodes.size() > 0 ? nodes.elementAt(0) : null; } /** * 通过一组id获得元素 * * @param ids * @return * @throws ParserException */ public NodeList getElementByIds(String... ids) throws ParserException { reset(); NodeFilter[] predicates = new HasAttributeFilter[ids.length]; for (int i = 0; i < predicates.length; i++) { predicates[i] = new HasAttributeFilter("id", ids[i]); } NodeFilter filter = new OrFilter(predicates); return parser.extractAllNodesThatMatch(filter); } /** * 通过标签名称获得元素 * * @param name * @return * @throws ParserException */ public NodeList getElementsByTagName(String name) throws ParserException { reset(); NodeFilter filter = new TagNameFilter(name); return parser.extractAllNodesThatMatch(filter); } /** * 通过样式获得元素 * * @param name * @return * @throws ParserException */ public NodeList getElementsByCSS(String selector) throws ParserException { reset(); NodeFilter filter = new CssSelectorNodeFilter(selector); return parser.extractAllNodesThatMatch(filter); } /** * 通过过滤器获得元素 * * @param filter * @return * @throws ParserException */ public NodeList getElementsByFilter(NodeFilter filter) throws ParserException { reset(); return parser.extractAllNodesThatMatch(filter); } }
jsoup
jsoup 是一款Java 的HTML解析器,可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API,可通过DOM,CSS以及类似于jQuery的操作方法来取出和操作数据。示例代码:
import java.util.ArrayList; import java.util.List; import org.htmlparser.util.ParserException; import org.jsoup.Jsoup; import org.jsoup.nodes.Document; import org.jsoup.nodes.Element; import org.jsoup.select.Elements; /** * 封装的Jsoup实现的解析器 * * @author jianggujin * */ public class HQJSoup { private Document document = null; /** * 构造方法 * * @param resource * @throws ParserException */ public HQJSoup(String resource) throws ParserException { // Jsoup还有其他构造方法 document = Jsoup.parse(resource); } /** * 通过id获得元素 * * @param id * @return */ public Element getElementById(String id) { return document.getElementById(id); } /** * 通过一组id获得元素 * * @param ids * @return */ public List<Element> getElementByIds(String... ids) throws ParserException { List<Element> elements = new ArrayList<Element>(ids.length); for (String id : ids) { elements.add(getElementById(id)); } return elements; } /** * 通过标签名称获得元素 * * @param name * @return */ public Elements getElementsByTagName(String name) { return document.getElementsByTag(name); } }
相关文章推荐
- java对世界各个时区(TimeZone)的通用转换处理方法(转载)
- java-注解annotation
- java-模拟tomcat服务器
- java-用HttpURLConnection发送Http请求.
- java-WEB中的监听器Lisener
- Android IPC进程间通讯机制
- Android Native 绘图方法
- Android java 与 javascript互访(相互调用)的方法例子
- 介绍一款信息管理系统的开源框架---jeecg
- 聚类算法之kmeans算法java版本
- java实现 PageRank算法
- PropertyChangeListener简单理解
- c++11 + SDL2 + ffmpeg +OpenAL + java = Android播放器
- 插入排序
- 冒泡排序
- 堆排序
- 快速排序