【正文】 ()。 } } /** * 抽取純文本信息 * @param inputHtml：html文本 * @return * @throws Exception */ public static String extractText(String inputHtml) throws Exception { StringBuffer text = new StringBuffer()。 Parser parser = (new String((), GBK), GBK)。 // 遍歷所有的節(jié)點(diǎn) NodeList nodes = (new NodeFilter() { public boolean accept(Node node) { return true。 } })。 (())。 for (int i = 0。 i ()。 i++) { Node nodet = (i)。 //字符串的代表性節(jié)點(diǎn):節(jié)點(diǎn)的描述 (new String(().getBytes(GBK)) + \r\n)。 } return ()。 } /** * 讀取文件的方式/utl 來分析內(nèi)容. filePath也可以是一個Url. * @param resource :文件/Url * @throws Exception */ public static void test5(String resource) throws Exception { Parser myParser = new Parser(resource)。 (GBK)。 String filterStr = table。 NodeFilter filter = new TagNameFilter(filterStr)。 NodeList nodeList = (filter)。 /*for(int i=0。i()。i++) { TableTag tabletag = (TableTag) (i)。 //標(biāo)簽名稱 (())。 (())。 }*/ TableTag tabletag = (TableTag) (1)。 } public static void main(String[] args) throws Exception { test5(:8083/injs100/)。 //testHtml()。 }}package parser。import 。import 。import 。import 。import 。import 。import 。import 。import 。import 。import 。import 。public class ParserTestCase extends TestCase { private static final Logger logger = ()。 public ParserTestCase(String name) { super(name)。 } /** * 測試對table * tr * td/td * /tr * /table的解析 */ public void testTable() { Parser myParser。 NodeList nodeList = null。 myParser = Parser .createParser( body + table id=’table1′ + tr id=39。tro139。td111/tdtd112/tdtd113/td/tr + tr id=39。tro239。td121/tdtd122/tdtd123/td/tr + tr id=39。tro339。td131/tdtd132/tdtd133/td/tr/table + table id=’table2′ + tr id=39。tro439。td211/tdtd212/tdtd213/td/tr + tr id=39。tro539。td221/tdtd222/tdtd223/td/tr + tr id=39。tro639。td231/tdtd232/tdtd233/td/tr/table + /body, GBK)。 NodeFilter tableFilter = new NodeClassFilter()。 OrFilter lastFilter = new OrFilter()。 (new NodeFilter[] { tableFilter })。 try { nodeList = (lastFilter)。 for (int i = 0。 i = ()。 i++) { if ((i) instanceof TableTag) { TableTag tag = (TableTag) (i)。 TableRow[] rows = ()。 for (int j = 0。 j 。 j++) { TableRow tr = (TableRow) rows[j]。 ((id))。 if ((id).equalsIgnoreCase(tro1)) { TableColumn[] td = ()。 for (int k = 0。 k 。 k++) { // (td + // td[k].toPlainTextString())。 (td + td[k].toPlainTextString())。 } } } } } } catch (ParserException e) { ()。 } } /** * 得到目標(biāo)數(shù)據(jù) * * @param url:目標(biāo)url * @throws Exception */ public static void getDatabyUrl(String url) throws Exception { Parser myParser = new Parser(url)。 NodeList nodeList = null。 (gb2312)。 NodeFilter tableFilter = new NodeClassFilter()。 OrFilter lastFilter = new OrFilter()。 (new NodeFilter[] { tableFilter })。 try { nodeList = (lastFilter)。 // 可以從數(shù)據(jù)table的size:1921開始到結(jié)束 for (int i = 15。 i = ()。 i++) { if ((i) instanceof TableTag) { TableTag tag = (TableTag) (i)。 TableRow[] rows = ()。 for (int j = 0。 j 。 j++) { TableRow tr = (TableRow) rows[j]。 if ((id) != null amp。amp。 (id).equalsIgnoreCase( tr02)) { TableColumn[] td = ()。 // 對不起，沒有你要查詢的記錄！ if ( == 1) { (對不起，沒有你要查詢的記錄)。 } else { for (int k = 0。 k 。 k++) { (td內(nèi)容： + td[k].toPlainTextString().trim())。 } } } } } } } catch (ParserException e) { ()。 } } /** * 測試已經(jīng)得出有數(shù)據(jù)時(shí)table:22個，沒有數(shù)據(jù)時(shí)table:19個 * * @param args */ public static void main(String[] args) { try { // getDatabyUrl()。 getDatabyUrl()。 } catch (Exception e) { ()。 } }}package 。import 。import 。import 。import 。import 。import 。import 。import 。import 。import 。import 。import 。import 。import 。import 。import 。 //一個日志記錄類/*** 演示了Html Parse的應(yīng)用.* * @author scud ()*/public class ParseHtmlTest{public static void main(String[] args) throws Exception{String aFile = e:/jscud/temp/。String content = readTextFile(aFile, GBK)。test1(content)。(====================================)。test2(content)。(====================================)。test3(content)。(====================================)。test4(content)。(====================================)。test5(aFile)。(====================================)。//訪問外部資源,相對慢test5( ())。 (====================================)。}/*** 讀取文件的方式來分析內(nèi)容.* filePath也可以是一個Url.* * @param resource 文件/Url*/public static void test5(String resource) throws Exception{Parser myParser = new Parser(resource)。//設(shè)置編碼(GBK)。HtmlPage visitor = new HtmlPage(myParser)。(visitor)。String textInPage = ()。(textInPage)。}/*** ,推薦使用此種方式.*/public static void test4(String content) throws Exception{Parser myParser。myParser = (content, GBK)。HtmlPage visitor = new HtmlPage(myParser)。(visitor)。String textInPage = ()。(textInPage)。}/*** 利用Visitor模式解析html頁面.** 小優(yōu)點(diǎn):翻譯了等符號* 缺點(diǎn):好多空格,無法提取link* */public static void test3(String content) throws Exception{Parser myParser。myParser = (content, GBK)。TextExtractingVisitor visitor = new TextExtractingVisitor()。(visitor)。String textInPage = ()。(textInPage)。}/*** 得到普通文本和鏈接的內(nèi)容.* * 使用了過濾條件.*/public static void test2(String content) throws ParserException{Parser myParser。NodeList nodeList = null。myParser = (conte