利用htmlparser抓取网页内容(一)
来源:互联网 发布:金十数据网 编辑:程序博客网 时间:2024/04/29 14:25
import org.htmlparser.Node;
import org.htmlparser.NodeFilter;
import org.htmlparser.Parser;
import org.htmlparser.filters.TagNameFilter;
import org.htmlparser.tags.TableTag;
import org.htmlparser.util.NodeList;
/**
* <br>
* 标题: <br>
* 功能概要: <br>
* 版权: cityyouth.cn (c) 2005 <br>
* 公司:上海城市青年网 <br>
* 创建时间:2005-12-21 <br>
* 修改时间: <br>
* 修改原因:
*
* @author 张伟
* @version 1.0
*/
public class TestYahoo {
public static void testHtml() {
try {
String sCurrentLine;
String sTotalString;
sCurrentLine = "";
sTotalString = "";
java.io.InputStream l_urlStream;
java.net.URL l_url = new java.net.URL(
"http://sports.sina.com.cn/iframe/nba/live/");
java.net.HttpURLConnection l_connection = (java.net.HttpURLConnection) l_url
.openConnection();
l_connection.connect();
l_urlStream = l_connection.getInputStream();
java.io.BufferedReader l_reader = new java.io.BufferedReader(
new java.io.InputStreamReader(l_urlStream));
while ((sCurrentLine = l_reader.readLine()) != null) {
sTotalString += sCurrentLine;
}
System.out.println(sTotalString);
System.out.println("====================");
String testText = extractText(sTotalString);
System.out.println(testText);
} catch (Exception e) {
e.printStackTrace();
}
}
/**
* 抽取纯文本信息
*
* @param inputHtml
* @return
*/
public static String extractText(String inputHtml) throws Exception {
StringBuffer text = new StringBuffer();
Parser parser = Parser.createParser(new String(inputHtml.getBytes(),
"8859_1"), "8859-1");
// 遍历所有的节点
NodeList nodes = parser.extractAllNodesThatMatch(new NodeFilter() {
public boolean accept(Node node) {
return true;
}
});
Node node = nodes.elementAt(0);
text.append(new String(node.toPlainTextString().getBytes("8859_1")));
return text.toString();
}
/**
* 读取文件的方式来分析内容. filePath也可以是一个Url.
*
* @param resource
* 文件/Url
*/
public static void test5(String resource) throws Exception {
Parser myParser = new Parser(resource);
// 设置编码
myParser.setEncoding("GBK");
String filterStr = "table";
NodeFilter filter = new TagNameFilter(filterStr);
NodeList nodeList = myParser.extractAllNodesThatMatch(filter);
TableTag tabletag = (TableTag) nodeList.elementAt(11);
System.out.println(tabletag.toHtml());
System.out.println("==============");
}
/*
* public static void main(String[] args) { TestYahoo testYahoo = new
* TestYahoo(); testYahoo.testHtml(); }
*/
public static void main(String[] args) throws Exception {
test5("http://sports.yahoo.com/nba/scoreboard");
}
}
- 利用htmlparser抓取网页内容(一)
- 利用htmlparser抓取网页内容
- 利用HtmlParser来提取网页内容
- 利用httpclient抓取网页内容
- 利用httpclient抓取网页内容
- 利用WebDriver抓取网页内容
- HtmlParser技术:网页抓取
- 使用htmlparser抓取网页链接
- 网页信息抓取(Java htmlparser)
- asp 利用 xmlhttp 抓取网页内容
- ASP利用XMLHTTP抓取网页内容
- java中利用URL抓取网页内容
- ObjC利用正则表达式抓取网页内容
- 利用URL和httpclient抓取网页内容
- 利用jsoup实现网页内容的抓取
- [Python3.x]网络爬虫(一):利用urllib通过指定的URL抓取网页内容
- Java抓取网页 解析网页HtmlParser
- 利用Python抓取和解析网页(转载) HTMLParser 和 urllib
- java基础学习
- MessageBoxPrintf
- JDBC操作各种数据库经验技巧集萃(转)
- java 日历控件
- 提取HTML中的文本信息
- 利用htmlparser抓取网页内容(一)
- 为一个理想而奋斗一生
- linux grep命令的使用
- 2周Web开发的总结
- jdbc学习笔记(2)
- 项目开发过程中对excel导入导出操作的总结
- 一些你们知道或者不知道的《大话西游》
- 又可以飞了
- 保持学习的连续性