Java HTMLParser使用详解.docVIP

声明：本人来自转载 /? ? HTMLParser具有小巧，快速的优点，缺点是相关文档比较少（英文的也少），很多功能需要自己摸索。对于初学者还是要费一些功夫的，而一旦上手以后，会发现HTMLParser的结构设计很巧妙，非常实用，基本你的各种需求都可以满足。 ???? 这里我根据自己这几个月来的经验，写了一点入门的东西，希望能对新学习HTMLParser的朋友们有所帮助。（不过当年高考本人语文只比及格高一分，所以文法方面的问题还希望大家多多担待） HTMLParser的核心模块是org.htmlparser.Parser类，这个类实际完成了对于HTML页面的分析工作。这个类有下面几个构造函数： public?Parser?();? public?Parser?(Lexer?lexer,?ParserFeedback?fb);? public?Parser?(URLConnection?connection,?ParserFeedback?fb)?throws?ParserException;? public?Parser?(String?resource,?ParserFeedback?feedback)?throws?ParserException;? public?Parser?(String?resource)?throws?ParserException; public?Parser?(Lexer?lexer);? public?Parser?(URLConnection?connection)?throws?ParserException; 和一个静态类 public?static?Parser?createParser?(String?html,?String?charset); ? 对于大多数使用者来说，使用最多的是通过一个URLConnection或者一个保存有网页内容的字符串来初始化Parser，或者使用静态函数来生成一个Parser对象。 ParserFeedback的代码很简单，是针对调试和跟踪分析过程的，一般不需要改变。而使用Lexer则是一个相对比较高级的话题，放到以后再讨论吧。 这里比较有趣的一点是，如果需要设置页面的编码方式的话，不使用Lexer就只有静态函数一个方法了。对于大多数中文页面来说，好像这是应该用得比较多的一个方法。 下面是初始化Parser的例子。 package?com.baizeju.htmlparsertester;? import?java.io.BufferedReader;? import?java.io.InputStreamReader;? import?java.io.FileInputStream;? import?java.io.File;? import?.HttpURLConnection;? import?.URL;? import?org.htmlparser.visitors.TextExtractingVisitor;? import?org.htmlparser.Parser;? ? /**? *?@author?? */? public?class?Main?{? private?static?String?ENCODE?=?GBK;? private?static?void?message(?String?szMsg?) {? try { System.out.println(new? String(szMsg.getBytes(ENCODE),? System.getProperty(file.encoding)));? }? catch(Exception?e?) {}? }? public?static?String?openFile(?String?szFileName?) {? try?{? BufferedReader?bis?=?new?BufferedReader (new?InputStreamReader (new?FileInputStream (?new?File(szFileName)),? ENCODE)?);? String?szContent=;? String?szTemp;? while?(?(szTemp?=?bis.readLine())?!=?null)? {? szContent+=szTemp+\n;? }? bis.close();? return?szContent;? }? catch(?Exception?e?)? {? return?;? }? }? public?static?void?main(String[]?args) {? String?szContent?=?openFile