htmlparser 去除html标签体(获取body,title纯文本)

package test;

import java.io.*;

import org.htmlparser.Parser;
import org.htmlparser.visitors.HtmlPage;

class Test {
public static void main(String[] argv) throws IOException, InterruptedException {
   Parser parser;
      String body = "";
      String title = "";
     
   try {
    parser = new Parser("http://www.hao123.com");
      parser.setEncoding("UTF-8");
      HtmlPage htmlpage = new HtmlPage(parser);
      parser.visitAllNodesWith(htmlpage);
      //通过htmlparser 获取body内容
      body = htmlpage.getBody().asString();
      //通过htmlparser 获取title内容
      title =htmlpage.getTitle();
      body = body.replaceAll("[ \\t\\n\\r\\f( |gt) ]+"," ");
      System.out.println(title);
      System.out.println(body);
   } catch (Exception e) {
    // TODO: handle exception
    e.printStackTrace();
   }
}
}

 

//获取源文件

   Parser parser = new Parser(address);
   parser.setEncoding("gbk");
   System.out.println(parser.parse(null).toHtml());

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值