Java使用HtmlParse提取标签中的值

最新推荐文章于 2021-07-02 20:02:52 发布

原创最新推荐文章于 2021-07-02 20:02:52 发布 · 4.1k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#java #HtmlParse #提取标签值

android 专栏收录该内容

117 篇文章

订阅专栏

本文介绍了一个Java程序，该程序能够从HTML文档或字符串中提取所有Img标签的src属性值。通过使用org.htmlparser库，程序可以轻松地遍历HTML文档中的Img元素并获取其源图像的URL。

Java使用HtmlParse提取标签中的值

☆代码示例：

代码块语法遵循标准markdown代码，例如：

package cas;

import org.htmlparser.Node;
import org.htmlparser.NodeFilter;
import org.htmlparser.Parser;
import org.htmlparser.filters.StringFilter;
import org.htmlparser.filters.TagNameFilter;
import org.htmlparser.tags.ImageTag;
import org.htmlparser.util.NodeList;

/**
 * Html 中的body体中提取出Img标签中的src值
 *
 * @author XY
 *
 */
public class CASHtmlImgConvert {

    public static void main(String[] args) {
//演示
        String[] oldSrcPath=changeImgSrc("<img alt=\"\" src=\"http://www.czb8688.com/attached/image/20160116/20160116141455_775.jpg\" />");
        if(oldSrcPath!=null){
            for(String str:oldSrcPath){
                System.out.println(str);
            }
        }
    }

    public static boolean isEmpty(String str){
        if(str!=null&&(!str.equals("")))
            return false;
        else
            return true;
    }

    /**
     *  
     * @param htmlPath 本地的html路径 或者body
     */  
    private static String[] changeImgSrc(String htmlPath)  
    {    StringBuilder oldSrcPath = new StringBuilder();   
        try {  
            Parser parser = new Parser(htmlPath); 
       //标签名过滤器
            NodeFilter filter = new TagNameFilter ("img");  
            NodeList nodes = parser.extractAllNodesThatMatch(filter);  
            Node eachNode = null;  
            ImageTag imageTag = null;  

            if (nodes != null)  
            {  
//              遍历所有的img节点  
                for (int i = 0; i < nodes.size(); i++)   
                {  
                    eachNode = (Node)nodes.elementAt(i);  
                    if (eachNode instanceof ImageTag)   
                    {  
                        imageTag = (ImageTag)eachNode;                            
//                      获得html文本的原来的src属性  
                        String path=imageTag.getAttribute("src");
                        if(path.startsWith(""))
                            path="http://www.czb8688.com"+path;
                        oldSrcPath .append(path+",");  
                    }  
                }  
            }  
        } catch (Exception e) {  
            e.printStackTrace();  
        }  
        String str=oldSrcPath.toString();
        //返回图片数组
        return str.substring(0,str.length()-1).split(",");
    }  




}