posts - 33, comments - 70, trackbacks - 0

HTMLParser 1.6

/*
html : html內容
identifier: 搜索標識
*/

private?Object[]?extractText(String?html,?String?identifier)

????????????throws?Exception?{

????????List<String>?resultTextList?=?new?ArrayList<String>();

????????Parser?parser?=?new?Parser();

????????parser.setInputHTML(html);

????????NodeFilter?filter?=?new?HasAttributeFilter("class",?identifier);
?/* NodeFilter?filter 就是要解析的過濾器，實現有好多種，我采用的屬性過濾,其他more api*/

????????NodeList?nodeList?=?parser.extractAllNodesThatMatch(filter);
/* extractAllNodesThatAre(class)已經不被推薦使用，在1.6版本中，我感到更加體形了靈活性.更好的適用了自定義的tag */

????????if?(nodeList?==?null)

????????????return?null;

????????if(nodeList.size()?==?0)

????????????return?null;

????????//?System.out.println("start?==============?,size?=?"

????????//?+?nodeList.size());

????????Node[]?nodes?=?nodeList.toNodeArray();

????????String?line?=?"";

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

????????????Node?node?=?nodes[i];???/*得到所以符合的節點，類型化做對應的標簽類*/

????????if?(node?instanceof?Span)?{

????????????????Span?spanTag?=?(Span)?node;

????????????????line?=?spanTag.toPlainTextString();

????????????}?else?if?(node?instanceof?TableColumn)?{

????????????????TableColumn?tableTag?=?(TableColumn)?node;

????????????????line?=?tableTag.toPlainTextString();

????????????}?else?if?(node?instanceof?Div)?{

????????????????Div?divTag?=?(Div)?node;

????????????????line?=?divTag.toPlainTextString();

????????????}

????????????if?(StringUtil.isTrimEmpty(line)){

????????????????continue;

????????????}else{

????????????????resultTextList.add(line);

????????????}

????????????

????????}

????????return?resultTextList.toArray();

????}

StringUtil 常用類

/**

?????*?去掉左右空格后字符串是否為空

?????*/

????public?static?boolean?isTrimEmpty(String?astr)

????{

????????if?((null?==?astr)?||?(astr.length()?==?0))

????????{

????????????return?true;

????????}

????????if?(isBlank(astr.trim()))

????????{

????????????return?true;

????????}

????????return?false;

????}

????/**

?????*?字符串是否為空:null或者長度為0.

?????*/

????public?static?boolean?isBlank(String?astr)

????{

????????if?((null?==?astr)?||?(astr.length()?==?0))

????????{

????????????return?true;

????????}

????????else

????????{

????????????return?false;

????????}

????}

posted on 2006-05-22 17:30 地獄男爵(hellboys) 閱讀(2900) 評論(1) 編輯收藏所屬分類: 編程語言(c/c++ java python sql ......)

FeedBack:

# re: HTMLParser屬性解析

2006-06-02 21:45 | libby

想請教作者,可能是由于html的語法不規范所至,我用Htmlparser分析html文檔出現錯誤,像普通的Html文檔其結束標記如果存在重復,一般不予理睬,可是在用Htmlparser其會進行處理,往往會引起一些顯示問題.
我想利用htmlparser分析html頁面,生成一棵樹,感覺不應該出現的錯誤卻出現了.
作者可否跟俺取得聯系,我想同你討論一下.俺郵箱是:libby22@sohu.com或者MSN:libby22@hotmail.com

著急,謝謝! 回復更多評論

新用戶注冊刷新評論列表


只有注冊用戶登錄后才能發表評論。




網站導航: 博客園 IT新聞 Chat2DB C++博客博問管理
相關文章: 優化MySQL數據庫性能的八種方法 ActiveMQ4.1 +Spring2.0的POJO JMS方案擴展，以更加實用（基于ss）.二 ActiveMQ4.1 +Spring2.0的POJO JMS方案擴展，以更加實用（基于ss） compass 中使用annatation 簡化配置 Compass - springside 中的應用 HTMLParser屬性解析使用Lucene建立自己的搜索引擎初步(轉)

2006年5月

日

一

二

三

四

五

六

常用鏈接

隨筆分類

隨筆檔案

文章檔案

2005年12月 (1)

相冊

連接

差沙
我以前blog地址
聰明的豬(cleverpig)

常用鏈接

隨筆分類

隨筆檔案

文章檔案

相冊

連接

最新隨筆

搜索

最新評論

閱讀排行榜

評論排行榜