JAVA解析HTML

本文涉及的产品
全局流量管理 GTM,标准版 1个月
云解析 DNS,旗舰版 1个月
公共DNS(含HTTPDNS解析),每月1000万次HTTP解析
简介:

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);
   }
}
AI 代码解读

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);
   }
}
AI 代码解读
目录
打赏
0
0
0
0
33
分享
相关文章
Java二维数组的使用技巧与实例解析
本文详细介绍了Java中二维数组的使用方法
28 15
【潜意识Java】深度解析黑马项目《苍穹外卖》与蓝桥杯算法的结合问题
本文探讨了如何将算法学习与实际项目相结合,以提升编程竞赛中的解题能力。通过《苍穹外卖》项目,介绍了订单配送路径规划(基于动态规划解决旅行商问题)和商品推荐系统(基于贪心算法)。这些实例不仅展示了算法在实际业务中的应用,还帮助读者更好地准备蓝桥杯等编程竞赛。结合具体代码实现和解析,文章详细说明了如何运用算法优化项目功能,提高解决问题的能力。
44 6
【潜意识Java】期末考试可能考的高质量大题及答案解析
Java 期末考试大题整理:设计一个学生信息管理系统,涵盖面向对象编程、集合类、文件操作、异常处理和多线程等知识点。系统功能包括添加、查询、删除、显示所有学生信息、按成绩排序及文件存储。通过本题,考生可以巩固 Java 基础知识并掌握综合应用技能。代码解析详细,适合复习备考。
15 4
如何在 Java 代码中使用 JSqlParser 解析复杂的 SQL 语句?
大家好,我是 V 哥。JSqlParser 是一个用于解析 SQL 语句的 Java 库,可将 SQL 解析为 Java 对象树,支持多种 SQL 类型(如 `SELECT`、`INSERT` 等)。它适用于 SQL 分析、修改、生成和验证等场景。通过 Maven 或 Gradle 安装后,可以方便地在 Java 代码中使用。
137 11
|
9天前
|
【潜意识Java】期末考试可能考的选择题(附带答案解析)
本文整理了 Java 期末考试中常见的选择题,涵盖数据类型、控制结构、面向对象编程、集合框架、异常处理、方法、流程控制和字符串等知识点。每道题目附有详细解析,帮助考生巩固基础,加深理解。通过这些练习,考生可以更好地准备考试,掌握 Java 的核心概念和语法。
16 1
基于Java的Hadoop文件处理系统:高效分布式数据解析与存储
本文介绍了如何借鉴Hadoop的设计思想,使用Java实现其核心功能MapReduce,解决海量数据处理问题。通过类比图书馆管理系统,详细解释了Hadoop的两大组件:HDFS(分布式文件系统)和MapReduce(分布式计算模型)。具体实现了单词统计任务,并扩展支持CSV和JSON格式的数据解析。为了提升性能,引入了Combiner减少中间数据传输,以及自定义Partitioner解决数据倾斜问题。最后总结了Hadoop在大数据处理中的重要性,鼓励Java开发者学习Hadoop以拓展技术边界。
37 7
【潜意识Java】期末考试可能考的简答题及答案解析
为了帮助同学们更好地准备 Java 期末考试,本文列举了一些常见的简答题,并附上详细的答案解析。内容包括类与对象的区别、多态的实现、异常处理、接口与抽象类的区别以及垃圾回收机制。通过这些题目,同学们可以深入理解 Java 的核心概念,从而在考试中更加得心应手。每道题都配有代码示例和详细解释,帮助大家巩固知识点。希望这些内容能助力大家顺利通过考试!
11 0
|
24天前
|
java异步判断线程池所有任务是否执行完
通过上述步骤,您可以在Java中实现异步判断线程池所有任务是否执行完毕。这种方法使用了 `CompletionService`来监控任务的完成情况,并通过一个独立线程异步检查所有任务的执行状态。这种设计不仅简洁高效,还能确保在大量任务处理时程序的稳定性和可维护性。希望本文能为您的开发工作提供实用的指导和帮助。
85 17
|
1月前
|
Java—多线程实现生产消费者
本文介绍了多线程实现生产消费者模式的三个版本。Version1包含四个类:`Producer`(生产者)、`Consumer`(消费者)、`Resource`(公共资源)和`TestMain`(测试类)。通过`synchronized`和`wait/notify`机制控制线程同步,但存在多个生产者或消费者时可能出现多次生产和消费的问题。 Version2将`if`改为`while`,解决了多次生产和消费的问题,但仍可能因`notify()`随机唤醒线程而导致死锁。因此,引入了`notifyAll()`来唤醒所有等待线程,但这会带来性能问题。
Java—多线程实现生产消费者
Java 多线程 面试题
Java 多线程 相关基础面试题

热门文章

最新文章

推荐镜像

更多
AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等