htmlparser.jar是一款十分常用的用于java开发项目研发的htmlparser.jar包,下载htmlparser可以让您的Java项目开发变得更加顺畅,合理的使用htmlparser框架可以让您的工作更加顺畅。
基本简介
htmlparser是一个纯的java写的html(标准通用标记语言下的一个应用)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。htmlparser是一个纯的java写的html(标准通用标记语言下的一个应用)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。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。
功能介绍
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。
常用代码
stringhtmlcode="<HTML><HEAD><TITLE>AAA</TITLE></HEAD><BODY>"+......+"</BODY></HTML>";
Parserparser=Parser.CreateParser(htmlcode,"GBK");
HtmlPagepage=newHtmlPage(parser);
try
{parser.VisitAllNodesWith(page);}
catch(ParserExceptione1)
{e1=null;}
NodeListnodelist=page.Body;
NodeFilterfilter=newTagNameFilter("A");
nodelist=nodelist.ExtractAllNodesThatMatch(filter,true);
for(inti=0;i<nodelist.Size();i++)
{
LinkTaglink=(LinkTag)nodelist.ElementAt(i);
System.Console.Write(link.GetAttribute("href")+"n");
}