lzj0470的专栏

今天用htmlparser分析了一些网页，在过程中，有一个网页不能分析，htmlparser内部抛出异常，终止了程序。这个时候，必须在自个写得程序再一次抛出异常，这样就不会出现程序被终止的现象啦。一般情况下，它会抛出ParserException,IOException异常。所以在外壳加上： try{     //自个程序...... }catch(ParserException e){   }c...

前几天，在用htmlparser分析页面时,遇到一个郁闷的问题,在爬取得时候，htmlparser停住啦,当时没报任何的错误。我以为多等一会它就会报一个异常啦，结果，等了一个上午，还是停在那里不动。实在等不下去啦，直接看它的源代码，原来是获取数据的时候，获取到一半，停在那里，我找不到在哪里修改它的代码，结果是我不用htmlparser进行连接下载数据，而htmlparser单纯是用于分析页面。我链...

今天，有个人问我，前几天已经可以抓取，今天不知道为什么就不可以抓取。 String url = "http://company.zhaopin.com/P2/CC1202/0271/CC120202712.htm?f=sa&DYWE=1223885821046.175835.1223890656.1223891112.9"; 他用的办法是 URL url = new URL(url); U...

     有时候，在抓取网站的时候，网站的编码方式可能不统一，这样的情况，可能有些网页编码不成功，而htmlparser报了错，不能正常的读取。抛出来的异常为：org.htmlparser.util.EncodingChangeException: character mismatch (new: 中 [0x4e2d] != old:  [0xd6?]) for encoding change f...

使用HTMLparser时碰到一个错误 org.htmlparser.util.ParserException: Error in opening a connection to java.io.IOException: Invalid argument  at java.io.WinNTFileSystem.canonicalize0(Native Method)  at java.io...

形式是： [供] 河北邢台广宗蝎子养殖合作社（常年出售待产蝎）河北省广宗县昆 这个是非常简单的一个A标签或者，但是，获取打印出来，结果是： 解决办法是： 过滤之前，先替换。 ...