HtmlParser主要靠Node、AbstractNode和Tag來表達(dá)Html，因?yàn)镽emark和Text相對簡單，此處就將其忽略了。

• Node是形成樹結(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定義了與頁面樹結(jié)構(gòu)所表達(dá)的頁面Page對象，定義了獲取父、子、兄弟節(jié)點(diǎn)的方法，定義了節(jié)點(diǎn)到對應(yīng)html文本的方法，定義了該節(jié)點(diǎn)對應(yīng)的起止位置，定義了過濾方法，定義了Visitor訪問機(jī)制。
• AbstractNode是Node的一種具體的類實(shí)現(xiàn)，起到構(gòu)成樹形結(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，不用理會具體的樹操作。
• 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的簡單Tag兩類，其中前者的基類是CompositeTag，其子類包含BodyTag,Div,FrameSetTag,OptionTag，等27個(gè)子類；而簡單Tag有BaseHrefTag、DoctypeTag,FrameTag，ImageTag，InputTag，JspTag，MetaTag，ProcessingInstructionTag這八類。

Node分成三類：

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

• 用一個(gè)URL或頁面String做一個(gè)Parser
• 用這個(gè)Parser做一個(gè)Visitor
• 使用Parser.visitAllNodeWith(Visitor)來遍歷節(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中對于這三類節(jié)點(diǎn)的處理是不同的；對于需要處理的節(jié)點(diǎn)，只要重載對應(yīng)的visit方法就行了，如果不處理那就不理會就可以了；另外，如果用戶用自己的Visitor，那么還可以靈活的處理不同類型的節(jié)點(diǎn)了。

• ObjectFindingVisitor：用來找出所有指定類型的節(jié)點(diǎn)，采用getTags()來獲取結(jié)果。
• StringBean：用來從一個(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，用來移除這兩種標(biāo)簽內(nèi)部的代碼，采用StringBean.getStrings()來獲取結(jié)果。
• HtmlPage：提取Title，body中的節(jié)點(diǎn)和頁面中的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)，可以指定多種類型。
• TextExtractingVisitor：從網(wǎng)頁中把所有標(biāo)簽去掉來提取文本，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：用來修改網(wǎng)頁中的鏈接。