遇到复杂而繁琐的html页面大家都望而却步。因为很难获取到相应的数据。
最古老的办法的是尝试用正则表达式,估计那么繁琐的东西得不偿失,浪费我们宝贵的时间。
第二个办法用开源组织htmlparser的包,这个是一个比较老的项目,但是效果估计不是很好,好像不可以深入分析html,只能分析5级的结构;
我这里有个htmlparser的源代码,可以获取所有的超链接的
import java.util.hashmap;
import java.util.map;
import org.htmlparser.node;
import org.htmlparser.nodefilter;
import org.htmlparser.parser;
import org.htmlparser.tags.linktag;
import org.htmlparser.util.nodelist;
public class getlinktest {
public static void main(string[] args) {
try {
// 通过过滤器过滤出<a>标签
parser parser = new parser("//www.jb51.net");
nodelist nodelist = parser.extractallnodesthatmatch(new nodefilter() {
// 实现该方法,用以过滤标签
public boolean accept(node node) {
if (node instanceof linktag)// 标记
{
return true;
}
return false;
}
});
// 打印
for (int i = 0; i < nodelist.size(); i++) {
linktag n = (linktag) nodelist.elementat(i);
//system.out.print(n.getstringtext() + " ==>> ");
//system.out.println(n.extractlink());
try {
if (n.extractlink().equals("//www.jb51.net")) {
system.out.println(n.extractlink());
}
} catch (exception e) {
}
}
} catch (exception e) {
e.printstacktrace();
}
}
}
第三个办法,也是我现在一直在用的办法,首先把html清理为xml,然后用java解析xml获取数据,现在上传一个java clean html的源代码:
如对本文有疑问, 点击进行留言回复!!
Unity UGUI 之 实现按钮 Button 长按和双击的功能效果
[U3D Learning Note] Unity C# Surival Guide (1) -- Quick Tips and Assets
网友评论