複雑で面倒なHTMLページに遭遇すると、誰もが落胆します。対応するデータを取得することが難しいためです。
最も古い方法は、そのような退屈なものはコストの価値がなく、貴重な時間を無駄にすることを推定しています。
2番目の方法は、オープンソース組織HTMLParserパッケージを使用することですが、これはおそらくHTMLを詳細に分析できないようです。
ここにhtmlparserのソースコードがあります。これにより、すべてのハイパーリンクを取得できます
コードコピーは次のとおりです。
/*
*このテンプレートを変更するには、ツールを選択します
*エディターのテンプレートを開きます。
*/
パッケージテスト;
java.util.hashmapをインポートします。
java.util.mapをインポートします。
Import org.htmlparser.node;
Import org.htmlparser.nodefilter;
Import org.htmlparser.parser;
Import org.htmlparser.tags.linktag;
Import org.htmlparser.util.nodelist;
パブリッククラスgetLinkTest {
public static void main（string [] args）{
試す {
//フィルターを介して<a>タグを除外します
Parser parser = new Parser（ "// www.vevb.com"）;
nodeList nodeList = parser.extractallnodesthatmatch（new nodefilter（）{
//このメソッドを実装してタグをフィルタリングします
public boolean Accept（ノードノード）{
if（node instanceof linktag）//タグ
{
trueを返します。
}
falseを返します。
}
}）;
//印刷
for（int i = 0; i <nodelist.size（）; i ++）{
linktag n =（linktag）nodeList.elementat（i）;
//system.out.print（n.getStringText（） + "== >>"）;
//system.out.println（n.extractlink（））;
試す {
if（n.extractlink（）。equals（ "// www.vevb.com"））{
system.out.println（n.extractlink（））;
}
} catch（例外e）{
}
}
} catch（例外e）{
e.printstacktrace（）;
}
}
}
3番目の方法は、最初に使用している方法であり、XMLをXMLで解析して、Java Clean HTMLソースコードをアップロードします。
コードコピーは次のとおりです。
/*
*このテンプレートを変更するには、ツールを選択します
*エディターのテンプレートを開きます。
*/
パッケージexec;
java.io.fileをインポートします。
java.io.ioexceptionをインポートします。
Import org.htmlcleaner.CleanerProperties;
Import org.htmlcleaner.htmlcleaner;
Import org.htmlcleaner.prettyxmlserializer;
org.htmlcleaner.tagnodeをインポートします。
/**
*
*/
パブリッククラスhtmlclean {
public void cleanhtml（string htmlurl、string xmlurl）{
試す {
long start = system.currenttimemillis（）;
htmlcleaner cleaner = new htmlcleaner（）;
cleanerproperties props = cleaner.getProperties（）;
props.setusecdataforscriptandStyle（true）;
props.setcognizeUnicodeChars（true）;
props.setUsemptyElementTags（true）;
props.setadvancedXmlescape（true）;
props.setTranslatesepecialentities（true）;
props.setbooleanattributevalues（ "empty"）;
tagnode node = cleaner.clean（new file（htmlurl））;
system.out.println（ "vreme：" +（system.currenttimemillis（） - start））;
new Prettyxmlserializer（props）.writexmltofile（node、xmlurl）;
system.out.println（ "vreme：" +（system.currenttimemillis（） - start））;
} catch（ioException e）{
e.printstacktrace（）;
}
}
}