java用Filter模式过滤解析html

最新推荐文章于 2024-06-25 09:39:32 发布

原创最新推荐文章于 2024-06-25 09:39:32 发布 · 618 阅读

0 ·

CC 4.0 BY-SA版权

java 专栏收录该内容

4 篇文章

订阅专栏

本文介绍了一个使用Java实现的HTML解析示例，通过组合多个过滤器来筛选包含特定标签的节点。具体展示了如何利用AndFilter、HasChildFilter及TagNameFilter等类从网页中精确抓取带有<img>标签的<a>链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

需要两个包htmllexer.jar和htmlparser.jar

实例源码

import org.htmlparser.Node;
import org.htmlparser.NodeFilter;
import org.htmlparser.Parser;
import org.htmlparser.filters.AndFilter;
import org.htmlparser.filters.HasChildFilter;
import org.htmlparser.filters.TagNameFilter;
import org.htmlparser.http.ConnectionManager;

import org.htmlparser.lexer.Page;
import org.htmlparser.util.NodeIterator;
import org.htmlparser.util.NodeList;
import org.htmlparser.util.ParserException;

public class FilterTest {
	public static void main(String[] args){
		
		ConnectionManager manager;

		try{
			manager = Page.getConnectionManager();
			Parser parser = new Parser(manager.openConnection("http://www.hzau.edu.cn"));
			parser.setEncoding("utf-8");
			//AndFilter 接受所有同时满足2个Filter的节点
			//HasChildFilter接受所有子节点符合该Filter的节点
			//TagNameFilter接受所有满足Tag名的Tag Nodes
			NodeFilter filter = new AndFilter(new TagNameFilter("a"),new HasChildFilter(new TagNameFilter("img")));
			//System.out.println(filter);
			NodeList nodelist = parser.parse(filter);
			//System.out.println(nodelist);
			//NodeIterator访问所有节点
			NodeIterator it= nodelist.elements();
			//System.out.println(it);
			while(it.hasMoreNodes()){
				Node node = (Node)it.nextNode();
				System.out.println(node.toHtml());
			}		
		}catch(ParserException e){
			e.printStackTrace();
		}
	}

}