源码网商城,靠谱的源码在线交易网站 我的订单 购物车 帮助

源码网商城

java利用htmlparser获取html中想要的代码具体实现

  • 时间:2022-11-25 18:21 编辑: 来源: 阅读:
  • 扫一扫,手机访问
摘要:java利用htmlparser获取html中想要的代码具体实现
这两天需要做一些东西,需要抓取别人网页中的一些信息。最后用htmlparser来解析html。 直接从代码中看吧: 首先需要注意导入包为:import org.htmlparser下面的包
[u]复制代码[/u] 代码如下:
List<Mp3> mp3List = new ArrayList<Mp3>();         try{             Parser parser = new Parser(htmlStr);//初始化Parser,这里要注意导入包为org.htmlparser。这里参数有很多。这个地方我写的是提前获取好的html文本。也可以传入URl对象             parser.setEncoding("utf-8");//设置编码机             AndFilter filter =                 new AndFilter(                               new TagNameFilter("div"),                              new HasAttributeFilter("id","songListWrapper")               );//通过filter找到div且div的id为songListWrapper               NodeList nodes = parser.parse(filter);//通过filter获取nodes               Node node = nodes.elementAt(0);               NodeList nodesChild = node.getChildren();               Node[] nodesArr = nodesChild.toNodeArray();               NodeList nodesChild2 = nodesArr[1].getChildren();               Node[] nodesArr2 = nodesChild2.toNodeArray();               Node nodeul = nodesArr2[1];               Node[] nodesli = nodeul.getChildren().toNodeArray();//解析出nodesli为想要的                           for(int i=2;i<nodesli.length;i++){                   //System.out.println(nodesli[i].toHtml());                   Node tempNode =  nodesli[i];                   TagNode tagNode = new TagNode();//通过TagNode获得属性,只有将Node转换为TagNode才能获取某一个标签的属性                   tagNode.setText(tempNode.toHtml());                   String claStr = tagNode.getAttribute("class");//claStr为bb-dotimg clearfix  song-item-hook { 'songItem': { 'sid': '113275822', 'sname': '我的要求不算高', 'author': '黄渤' } }                   claStr = claStr.replaceAll(" ", "");                   if(claStr.indexOf("\\?")==-1){                       Pattern pattern = Pattern.compile("[\\s\\wa-z\\-]+\\{'songItem':\\{'sid':'([\\d]+)','sname':'([\\s\\S]*)','author':'([\\s\\S]*)'\\}\\}");                       Matcher matcher = pattern.matcher(claStr);                       if(matcher.find()){                           Mp3 mp3 = new Mp3();                           mp3.setSid(matcher.group(1));                           mp3.setSname(matcher.group(2));                           mp3.setAuthor(matcher.group(3));                           mp3List.add(mp3);                           //for(int j=1;j<=matcher.groupCount();j++){                               //System.out.print("   "+j+"--->"+matcher.group(j));                           //}                       }                   }                   //System.out.println(matcher.find());               }             }catch(Exception e){                 e.printStackTrace();             }
以上是我在项目中解析的东西,使用还是比较简单的,容易上手。               ////claStr为bb-dotimg clearfix  song-item-hook { 'songItem': { 'sid': '113275822', 'sname': '我的要求不算高', 'author': '黄渤 则是从网页中解析到的内容。
  • 全部评论(0)
联系客服
客服电话:
400-000-3129
微信版

扫一扫进微信版
返回顶部