HtmlParser主要靠Node、AbstractNode和Tag來(lái)表達(dá)Html，因?yàn)镽emark和Text相對(duì)簡(jiǎn)單，此處就將其忽略了。

• Node是形成樹(shù)結(jié)構(gòu)表示HTML的基礎(chǔ)，所有的數(shù)據(jù)表示都是接口Node的實(shí)現(xiàn)，Node定義了與頁(yè)面樹(shù)結(jié)構(gòu)所表達(dá)的頁(yè)面Page對(duì)象，定義了獲取父、子、兄弟節(jié)點(diǎn)的方法，定義了節(jié)點(diǎn)到對(duì)應(yīng)html文本的方法，定義了該節(jié)點(diǎn)對(duì)應(yīng)的起止位置，定義了過(guò)濾方法，定義了Visitor訪問(wèn)機(jī)制。
• AbstractNode是Node的一種具體的類(lèi)實(shí)現(xiàn)，起到構(gòu)成樹(shù)形結(jié)構(gòu)的作用，除了同具體Node相關(guān)的accetp方法，toString，toHtml，toPlainTextString方法以外，AbstractNode實(shí)現(xiàn)了大多基本的方法，使得它的子類(lèi)，不用理會(huì)具體的樹(shù)操作。
• Tag是具體分析的主要內(nèi)容。Tag分成composite的Tag和不能包含其他Tag的簡(jiǎn)單Tag兩類(lèi)，其中前者的基類(lèi)是CompositeTag，其子類(lèi)包含BodyTag,Div,FrameSetTag,OptionTag，等27個(gè)子類(lèi)；而簡(jiǎn)單Tag有BaseHrefTag、DoctypeTag,FrameTag，ImageTag，InputTag，JspTag，MetaTag，ProcessingInstructionTag這八類(lèi)。

Node分成三類(lèi)：

• RemarkNode:代表Html中的注釋
• TagNode：標(biāo)簽節(jié)點(diǎn)，是種類(lèi)最多的節(jié)點(diǎn)類(lèi)型，上述Tag的具體節(jié)點(diǎn)類(lèi)都是TagNode的實(shí)現(xiàn)。
• TextNode：文本節(jié)點(diǎn)

• 用一個(gè)URL或頁(yè)面String做一個(gè)Parser
• 用這個(gè)Parser做一個(gè)Visitor
• 使用Parser.visitAllNodeWith(Visitor)來(lái)遍歷節(jié)點(diǎn)
• 獲取Visitor遍歷后得到的數(shù)據(jù)

• 做解析之前做的事情：visitor.beginParsing();
• 每次取到一個(gè)節(jié)點(diǎn)Node，讓該Node接受accept該Visitor
• 做解析后做的事情：visitor.finishedParsing();

• 對(duì)于所有TagNode都使用一個(gè)accept方法，即TagNode的accept方法。首先判斷是否是標(biāo)簽結(jié)尾，如果是就visitor.visitEndTag (this)；否則visitor.visitTag (this);
• 如果是TextNode，那就visitor.visitStringNode (this);就可以了。
• 如果是RemarkNode，那就visitor.visitRemarkNode (this);就可以了。

實(shí)際上NodeVisitor里邊這四種visit方法都是空的，因?yàn)樵诓煌腣isitor中對(duì)于這三類(lèi)節(jié)點(diǎn)的處理是不同的；對(duì)于需要處理的節(jié)點(diǎn)，只要重載對(duì)應(yīng)的visit方法就行了，如果不處理那就不理會(huì)就可以了；另外，如果用戶(hù)用自己的Visitor，那么還可以靈活的處理不同類(lèi)型的節(jié)點(diǎn)了。

• ObjectFindingVisitor：用來(lái)找出所有指定類(lèi)型的節(jié)點(diǎn)，采用getTags()來(lái)獲取結(jié)果。
• StringBean：用來(lái)從一個(gè)指定的URL獲取移除了<SCRIPT></SCRIPT>和<PRE></PRE>之間代碼的Html代碼，也可以用做Visitor，用來(lái)移除這兩種標(biāo)簽內(nèi)部的代碼，采用StringBean.getStrings()來(lái)獲取結(jié)果。
• HtmlPage：提取Title，body中的節(jié)點(diǎn)和頁(yè)面中的TableTag節(jié)點(diǎn)。
• LinkFindingVisitor:找出節(jié)點(diǎn)中包含某個(gè)鏈接的總個(gè)數(shù)。
• StringFindingVisitor：找出遍歷的TextNode中含有指定字符串的個(gè)數(shù)。
• TagFindingVisitor：找出指定Tag的所有節(jié)點(diǎn)，可以指定多種類(lèi)型。
• TextExtractingVisitor：從網(wǎng)頁(yè)中把所有標(biāo)簽去掉來(lái)提取文本，這個(gè)提取文本的Visitor有時(shí)是很實(shí)用的，只是注意在提取文本時(shí)將標(biāo)簽的屬性也去掉了，也就是說(shuō)只剩下標(biāo)簽之間的文本，例如<a>中的鏈接也去掉了。
• UrlModifyingVisitor：用來(lái)修改網(wǎng)頁(yè)中的鏈接。