`
gcgmh
  • 浏览: 350299 次
  • 性别: Icon_minigender_1
  • 来自: 北京
社区版块
存档分类
最新评论

nekohtml经典小例子一个

阅读更多
public class Demo {
public static String TextExtractor(Node root){
   //若是文本节点的话,直接返回
   if (root.getNodeType() == Node.TEXT_NODE) {
    return root.getNodeValue().trim();
   }
   if(root.getNodeType() == Node.ELEMENT_NODE) {
    Element elmt = (Element) root;
    //抛弃脚本
    if (elmt.getTagName().equals("STYLE")
      || elmt.getTagName().equals("SCRIPT"))
     return "";
   
    NodeList children = elmt.getChildNodes();
    StringBuilder text = new StringBuilder();
    for (int i = 0; i < children.getLength(); i++) {
     text.append(TextExtractor(children.item(i)));
    }
    return text.toString();
   }
   //对其它类型的节点,返回空值
   return "";
}
public static void main(String[] args) throws Exception{
   //生成html parser
   DOMParser parser = new DOMParser();
   //设置网页的默认编码
   parser.setProperty(
     "http://cyberneko.org/html/properties/default-encoding",
     "gb18030");
   //input file
   BufferedReader in = new BufferedReader(new FileReader("input.htm"));
   parser.parse(new InputSource(in));
   Document doc = parser.getDocument();
   //获得body节点,以此为根,计算其文本内容
   Node body = doc.getElementsByTagName("BODY").item(0);
   System.out.println(TextExtractor(body));
}
}
分享到:
评论

相关推荐

    NekoHTML学习笔记.doc

    NekoHTML 是一个简单的 HTML 扫描器和标签补偿器,使得程序能解析 HTML 文档并用标准的 XML 接口来访问其中的信息。这个解析器能投扫描 HTML 文件并“修正”许多作者(人或机器)在编写 HTML 文档过程中常犯的错误。...

    NekoHTML技术

    NekoHTML技术预研说明,如何进行HTML页面解析,网页信息抽取

    NekoHTML学习笔记.rar

    NekoHTML是一个简单地HTML扫描器和标签补偿器(tag balancer) ,使得程序能解析HTML文档并用标准的XML接口来访问其中的信息。这个解析器能投扫描HTML文件并“修正”许多作者(人或机器)在编写HTML文档过程中常犯的...

    nekohtml解析器

    NekoHTML是一个Java语言的 HTML扫描器和标签补全器(tag balancer) ,使得程序能解析HTML文档并用标准的XML接口来访问其中的信息。这个解析器能够扫描HTML文件并“修正”许多作者(人或机器)在编写HTML文档 过程中常...

    NekoHTML

    NULL 博文链接:https://thrillerzw.iteye.com/blog/1924229

    nekohtml-1.9.15.zip

    NekoHTML is written using the Xerces Native Interface (XNI) that is the foundation of the Xerces2 implementation. This enables you to use the NekoHTML parser with existing XNI tools without ...

    nekohtml-1.9.13.zip

    html解析器nekohtml-1.9.13.zip

    html解析例子,用nekohtml写的

    可以解析html的包,和例子,有源代码,很简单,不明白请看压缩包里的readme

    nekohtml包能够解析HTML文件

    NekoHTML是一个简单地HTML扫描器和标签补偿器(tag balancer) ,使得程序能解析HTML文档并用标准的XML接口来访问其中的信息。这个解析器能投扫描HTML文件并“修正”许多作者(人或机器)在编写HTML文档过程中常犯的...

    NekoHTML的相关用法以及j代码包

    NekoHTML的相关用法以及代码包,以及详细的用法和实例。。。。。

    NeKoHTML 1.9.21

    NeKoHTML:用于java的html编辑。此文件是NeKoHTML V1.9.21版本的Java包合集。

    nekohtml.jar

    nekohtml.jar 解析html的jar包 非常的实用

    nekohtml.jar-nekohtml

    nekohtml.jar nekohtmlSamples.jar

    nekohtml-1.9.14源码及jar包

    nekohtml-1.9.14源码及jar包

    Java解析HTML之NekoHTML

    NULL 博文链接:https://rensanning.iteye.com/blog/1551831

    nekohtml+dom4j

    采用nekohtml补全html到xhtml,结合dom,运用dom4j,支持xpath,强大的网抓工具!

    nekoHtml 1.9.19 加 source 源码 html分析jar

    nekoHtml 1.9.19 加 source 源码 html分析jar

    nekohtml-1.9.18_

    nekohtml-1.9.18_

    nekohtml-0.9.4.jar

    nekohtml-0.9.4.jar nekohtml-0.9.4.jar nekohtml-0.9.4.jar

    nekohtml 帮助类

    NULL 博文链接:https://tianhewulei.iteye.com/blog/629672

Global site tag (gtag.js) - Google Analytics