| 词条 | htmlparser |
| 释义 | 简介htmlparser是一个纯的java写的html解析的库，它不依赖于其它的java库文件，主要用于改造或 提取html。它能超高速解析html，而且不会出错。现在htmlparser最新版本为2.0。 毫不夸张地说，htmlparser就是目前最好的html解析和分析的工具。 无论你是想抓取网页数据还是改造html的内容，用了htmlparser绝对会忍不住称赞。 htmlparser基本功能1． 信息提取 · 文本信息抽取，例如对HTML进行有效信息搜索 · 链接提取，用于自动给页面的链接文本加上链接的标签 · 资源提取，例如对一些图片、声音的资源的处理 · 链接检查，用于检查HTML中的链接是否有效 · 页面内容的监控 2． 信息转换 · 链接重写，用于修改页面中的所有超链接 · 网页内容拷贝，用于将网页内容保存到本地 · 内容检验，可以用来过滤网页上一些令人不愉快的字词 · HTML信息清洗，把本来乱七八糟的HTML信息格式化 · 转成XML格式数据 htmlparser常用代码取得一段html代码里面所有的链接C#版本，java版本类似： string htmlcode = "<HTML><HEAD><TITLE>AAA</TITLE></HEAD><BODY>" + ...... + "</BODY></HTML>"; Parser parser = Parser.CreateParser(htmlcode, "GBK"); HtmlPage page = new HtmlPage(parser); try { parser.VisitAllNodesWith(page);} catch (ParserException e1) { e1 = null;} NodeList nodelist = page.Body; NodeFilter filter = new TagNameFilter("A"); nodelist = nodelist.ExtractAllNodesThatMatch(filter, true); for (int i = 0; i < nodelist.Size(); i++) { LinkTag link=(LinkTag) nodelist.ElementAt(i); System.Console.Write(link.GetAttribute("href") + "\"); } |
| 随便看 |
|
百科全书收录4421916条中文百科知识，基本涵盖了大多数领域的百科知识，是一部内容开放、自由的电子版百科全书。