posts - 33, 
comments - 70, 
trackbacks - 0


          
	

          

          
	
					


          
	
	HTMLParser 1.6

          /*
          html : html內(nèi)容
          identifier: 搜索標(biāo)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(shí)現(xiàn)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(jīng)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(jié)點(diǎn)，類型化做對應(yīng)的標(biāo)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(2905) 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(guī)范所至,我用Htmlparser分析html文檔出現(xiàn)錯誤,像普通的Html文檔其結(jié)束標(biāo)記如果存在重復(fù),一般不予理睬,可是在用Htmlparser其會進(jìn)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(yīng)該出現(xiàn)的錯誤卻出現(xiàn)了.

          作者可否跟俺取得聯(lián)系,我想同你討論一下.俺郵箱是:libby22@sohu.com或者M(jìn)SN:libby22@hotmail.com

          

          著急,謝謝!  回復(fù)  更多評論
            
          
			
          
			
			
		
          
	








          








          

				
	



          


          
	
		
          
			
          
	
          
		
          <2006年5月>
          
	
          日一二三四五六
          30123456
          78910111213
          14151617181920
          21222324252627
          28293031123
          45678910
          

          

          
			
			

          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
          


          
	

          


          


          

    







          
        
	




主站蜘蛛池模板：
大庆市|
绥芬河市|
天祝|
陇西县|
康保县|
吉木乃县|
宁明县|
金溪县|
临洮县|
白山市|
潮安县|
昔阳县|
勃利县|
泰宁县|
贵州省|
方山县|
嫩江县|
黄山市|
和林格尔县|
贵德县|
高陵县|
高清|
绥江县|
施秉县|
正阳县|
崇左市|
太仓市|
SHOW|
宁阳县|
茌平县|
任丘市|
清镇市|
乌兰浩特市|
新宁县|
徐水县|
开封市|
东方市|
峨山|
桦南县|
漯河市|
楚雄市|