HtmlParser主要靠Node、AbstractNode和Tag來表達Html，因為Remark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的實現(xiàn)，Node定義了與頁面樹結(jié)構(gòu)所表達的頁面Page對象，定義了獲取父、子、兄弟節(jié)點的方法，定義了節(jié)點到對應(yīng)html文本的方法，定義了該節(jié)點對應(yīng)的起止位置，定義了過濾方法，定義了Visitor訪問機制。
• AbstractNode是Node的一種具體的類實現(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：標簽節(jié)點，是種類最多的節(jié)點類型，上述Tag的具體節(jié)點類都是TagNode的實現(xiàn)。
• TextNode：文本節(jié)點

• 用一個URL或頁面String做一個Parser
• 用這個Parser做一個Visitor
• 使用Parser.visitAllNodeWith(Visitor)來遍歷節(jié)點
• 獲取Visitor遍歷后得到的數(shù)據(jù)

• 做解析之前做的事情：visitor.beginParsing();
• 每次取到一個節(jié)點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accept方法，即TagNode的accept方法。首先判斷是否是標簽結(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。

實際上NodeVisitor里邊這四種visit方法都是空的，因為在不同的Visitor中對于這三類節(jié)點的處理是不同的；對于需要處理的節(jié)點，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)點了。

• ObjectFindingVisitor：用來找出所有指定類型的節(jié)點，采用getTags()來獲取結(jié)果。
• StringBean：用來從一個指定的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)點和頁面中的TableTag節(jié)點。
• LinkFindingVisitor:找出節(jié)點中包含某個鏈接的總個數(shù)。
• StringFindingVisitor：找出遍歷的TextNode中含有指定字符串的個數(shù)。
• TagFindingVisitor：找出指定Tag的所有節(jié)點，可以指定多種類型。
• TextExtractingVisitor：從網(wǎng)頁中把所有標簽去掉來提取文本，這個提取文本的Visitor有時是很實用的，只是注意在提取文本時將標簽的屬性也去掉了，也就是說只剩下標簽之間的文本，例如<a>中的鏈接也去掉了。
• UrlModifyingVisitor：用來修改網(wǎng)頁中的鏈接。