cyberneko+Dom4j玩转HTML解析
来源:互联网 发布:软件模块接口 编辑:程序博客网 时间:2024/06/05 05:14
cyberneko是一个HTML解析器,它可以将HTML文件解析成w3c的Document对象。Dom4J则支持通过XPath表达式检索元素。用XPath检索Html真的是很爽的事!现在就开始:
第一步:cyberneko解析
DOMParser parser = new DOMParser();
parser.parse(path);
org.w3c.dom.Document w3cDoc=parser.getDocument();
第二步:w3c的Document转换为Dom4J的Document:
DOMReader domReader=new DOMReader();
document=domReader.read(w3cDoc);
第三步:创建Xpath对象
XPath xpath=new DefaultXPath("//DIV[@class='abc']");
如果页面声明了xmlns命名空间,还需要加入命名空间信息
Map nameSpaces=new HashMap();
nameSpaces.put("xmlns","http://www.w3.org/1999/xhtml");
xpath.setNamespaceContext(new SimpleNamespaceContext(nameSpaces));
这样,表达式就应该写成:
"//xmlns:DIV[@xmlns:class='abc']"
第四步:检索
List nodes=xpath.selectNodes(doc);
参考: http://blog.sina.com.cn/s/blog_4a86545f0100097l.html
第一步:cyberneko解析
DOMParser parser = new DOMParser();
parser.parse(path);
org.w3c.dom.Document w3cDoc=parser.getDocument();
第二步:w3c的Document转换为Dom4J的Document:
DOMReader domReader=new DOMReader();
document=domReader.read(w3cDoc);
第三步:创建Xpath对象
XPath xpath=new DefaultXPath("//DIV[@class='abc']");
如果页面声明了xmlns命名空间,还需要加入命名空间信息
Map nameSpaces=new HashMap();
nameSpaces.put("xmlns","http://www.w3.org/1999/xhtml");
xpath.setNamespaceContext(new SimpleNamespaceContext(nameSpaces));
这样,表达式就应该写成:
"//xmlns:DIV[@xmlns:class='abc']"
第四步:检索
List nodes=xpath.selectNodes(doc);
参考: http://blog.sina.com.cn/s/blog_4a86545f0100097l.html
- cyberneko+Dom4j玩转HTML解析
- cyberneko+Dom4j玩转HTML解析
- cyberneko和dom4j解析html
- dom4j利用xsl解析生成html
- dom4j解析xml(转)
- TextView玩转HTML
- 网络爬虫--数据处理,jsoup工具解析html,dom4j解析xml
- 【转】使用 dom4j 解析 XML
- dom4j XML解析(转)
- DOM4j解析
- dom4j解析
- dom4j解析
- Dom4j 解析
- DOM4J解析
- dom4j解析
- dom4j解析
- Dom4j 解析
- DOM4J解析
- 终于用gaim上了gtalk
- Java Thread
- asp+ajax打造无刷新新闻评论系统
- 开啦
- NDIS HOOK 防火墙实现关键技术
- cyberneko+Dom4j玩转HTML解析
- 水晶报表注册码(网上收藏)
- JBoss jBPM入门手册(JBoss jBPM getting started guide) [收藏]
- 简单排序
- javascript 页面跳转 常用代码
- 揭秘jbpm流程引擎内核设计思想及构架 [收藏]
- C++0x概览
- 关于 Request.ServerVariables("HTTP_REFERER") 运行时会出错的原因
- 搜索引擎爬虫程序一览表大全