Java는 htmlparser를 사용하여 웹 페이지의 일반 텍스트 예제를 추출합니다.

复制代码代码如下 :

패키지 com.test;

import org.htmlparser.node;

import org.htmlparser.nodefilter;

import org.htmlparser.parser;

import org.htmlparser.filters.tagnamefilter;

import org.htmlparser.tags.tabletag;

import org.htmlparser.util.nodelist;

/**

* t : 利用 htmlparser 提取网页纯文本的例子

*/

공개 클래스 testhtmlparser {

public static void testhtml () {

노력하다 {

문자열 scurrentline;

문자열 stotalstring;

scurrentline = "";

stotalstring = "";

java.io.inputstream l_urlstream;

java.net.url l_url = new java.net.url ( "http://www.ideagrace.com/html/doc/2006/07/04/00929.html");

java.net.httpurlconnection l_connection = (java.net.httpurlconnection) l_url.openconnection ();

l_connection.connect ();

l_urlstream = l_connection.getInputStream ();

java.io.bufferedReader l_Reader = new java.io.bufferedReader (new java.io.inputStreamReader (l_urlstream));

while ((scurrentline = l_reader.readline ())! = null) {

stotalstring += scurrentline +"/r/n";

// system.out.println (stotalstring);

}

문자열 testText = extrestText (stotalString);

System.out.println (TestText);

} catch (예외 e) {

e.printstacktrace ();

}

}

public static string extrecttext (String inputhtml)는 예외 {

StringBuffer text = new StringBuffer ();

parser parser = parser.createParser (new String (inputhtml.getBytes (), "gbk"), "gbk");

// 遍历所有的节点

Nodelist Nodes = Parser.extractallNodestHatMatch (new NodeFilter () {

공개 부울 수락 (노드 노드) {

진실을 반환하십시오.

}

});

System.out.println (Nodes.size ()); // 打印节点的数量

for (int i = 0; i <nodes.size (); i ++) {

노드 nodet = nodes.elementat (i);

//system.out.println (nodet.getText ());

text.append (new String (nodet.toplaintextstring (). getbytes ( "gbk"))+"/r/n");

}

return text.toString ();

}

public static void test5 (String Resource)는 예외 {

Parser myparser = 새로운 파서 (리소스);

myparser.setencoding ( "gbk");

문자열 filterstr = "테이블";

NodeFilter 필터 = 새로운 TagNameFilter (Filterstr);

NODELIST NODELIST = MYPARSER.ExtractAllNodestHatMatch (필터);

Tabletag tabletag = (tabletag) nodelist.elementat (11);

}

public static void main (string [] args)은 예외 {

// test5 ( "http://www.google.com");

testhtml ();

}

}