Java ใช้ htmlparser เพื่อแยกตัวอย่างข้อความธรรมดาของหน้าเว็บ

复制代码代码如下:

แพ็คเกจ com.test;

นำเข้า org.htmlparser.node;

นำเข้า org.htmlparser.nodefilter;

นำเข้า org.htmlparser.parser;

นำเข้า org.htmlparser.filters.tagnamefilter;

นำเข้า org.htmlparser.tags.tabletag;

นำเข้า org.htmlparser.util.nodelist;

-

* 标题: 利用 htmlparser 提取网页纯文本的例子

-

ระดับสาธารณะ testhtmlparser {

โมฆะคงที่สาธารณะ testhtml () {

พยายาม {

สตริง scurrentline;

สตริง stotalstring;

scurrentline = "";

Stotalstring = "";

java.io.inputstream l_urlstream;

java.net.url l_url = ใหม่ 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 = ใหม่ java.io.bufferedreader (java.io.InputStreamReader ใหม่ (l_urlstream));

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

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

// system.out.println (stotalstring);

-

String testText = ExtractText (stotalstring);

System.out.println (TestText);

} catch (Exception e) {

E.PrintStackTrace ();

-

-

String String Public String ExtractText (String inputhtml) โยนข้อยกเว้น {

StringBuffer text = new StringBuffer ();

parser parser = parser.createparser (สตริงใหม่ (inputhtml.getBytes (), "gbk"), "gbk");

// 遍历所有的节点

NodeList Nodes = parser.extractallNodestHatMatch (nodeFilter ใหม่ () {

บูลีนสาธารณะยอมรับ (โหนดโหนด) {

กลับมาจริง;

-

-

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

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

โหนด nodet = nodes.elementat (i);

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

text.append (สตริงใหม่ (nodet.toplaintextstring (). getBytes ("gbk"))+"/r/n");

-

ส่งคืน text.toString ();

-

Public Static Void Test5 (ทรัพยากรสตริง) โยนข้อยกเว้น {

Parser MyParser = ใหม่ Parser (ทรัพยากร);

MyParser.SetEncoding ("GBK");

สตริงตัวกรอง = "ตาราง";

ตัวกรอง nodeFilter = tagnameFilter ใหม่ (FiltersTR);

NodeList Nodelist = MyParser.ExtractallNodestHatMatch (ตัวกรอง);

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

-

โมฆะคงที่สาธารณะหลัก (สตริง [] args) โยนข้อยกเว้น {

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

testhtml ();

-

-