「java解析html标签」html解析规则

本篇文章给大家谈谈java解析html标签，以及html解析规则对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、java如何解析html文档
• 2、java解析html是jsoup还是htmlparse还是其他的什么
• 3、java怎样读取html文件
• 4、java提取html标签信息里面的内容并排好序
• 5、如何使用java的正则表达式提取html标签

java如何解析html文档

import java.io.*;

import java.util.*;

import javax.swing.text.*;

import javax.swing.text.html.*;

import javax.swing.text.html.parser.*;

import javax.swing.text.html.HTMLEditorKit.ParserCallback;

public class Parser extends ParserCallback {    //继承ParserCallback，解析结果驱动这些回调方法

 protected String base;

 protected boolean isImg = false;

 protected boolean isParagraph = false;

 protected static VectorString element = new VectorString();

 protected static String paragraphText = new String();

 public Parser() {

 }

 public static String getParagraphText() {

  return paragraphText;

 }

 public void handleComment(char[] data, int pos) {

 }

 public void handleEndTag(HTML.Tag t, int pos) {

  if (t == HTML.Tag.P) {

   if (isParagraph) {

    isParagraph = false;

   }

  } else if (t == HTML.Tag.IMG) {

   if (isImg) {

    isImg = false;

   }

  }

 }

 public void handleError(String errorMsg, int pos) {

 }

 public void handleSimpleTag(HTML.Tag t, MutableAttributeSet a, int pos) {

  handleStartTag(t, a, pos);

 }

 public void handleStartTag(HTML.Tag t, MutableAttributeSet a, int pos) {

  if (t == HTML.Tag.P) {

   isParagraph = true;

  } else if ((t == HTML.Tag.IMG)) {

   String src = (String) a.getAttribute(HTML.Attribute.SRC);

   if (src != null) {

    element.addElement(src);

    isImg = true;

   }

  }

 }

 public void handleText(char[] data, int pos) {

  if (isParagraph) {

   String tempParagraphText = new String(data);

   if (paragraphText != null) {

    element.addElement(tempParagraphText);

    ;

   }

  }

 }

 private static void startParse(String sHtml) {

  try {

   ParserDelegator ps = new ParserDelegator();//负责每次在调用其 parse 方法时启动一个新的 DocumentParser

   HTMLEditorKit.ParserCallback parser = new Parser();//解析结果驱动这些回调方法。

   ps.parse(new StringReader(sHtml), parser, true);//解析给定的流并通过解析的结果驱动给定的回调。

   //System.out.println(getParagraphText());

   Vector link = element;

   for (int i = 0; i  link.size(); i++) {

    System.out.println("----haha-----");

    System.out.println(link.get(i));

   }

  } catch (Exception e) {

   e.printStackTrace();

  }

 }

 public static void main(String args[]) {

  try {

   String filename = "D://blogbaby.htm";

   BufferedReader brd = new BufferedReader(new FileReader(filename));

   char[] str = new char[50000];

   brd.read(str);

   String sHtml = new String(str);

   startParse(sHtml);

  } catch (Exception e) {

   e.printStackTrace();

  }

 }

}

java解析html是jsoup还是htmlparse还是其他的什么

用jsoup解析html或者htmlparse，不过比较难用，jsoup是jquery语法比较方便。

java怎样读取html文件

java可以使用jsoup、htmlparser等工具进行html的读取和解析，以下是详细说明：

1、jsoup 是一款 Java 的HTML 解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于JQuery的操作方法来取出和操作数据。据说它是基于MIT协议发布的。

jsoup的主要功能如下：

从一个URL，文件或字符串中解析HTML；

使用DOM或CSS选择器来查找、取出数据；

可操作HTML元素、属性、文本；

示例代码：

Document doc = Jsoup.parse(input, "UTF-8", "");

Element content = doc.getElementById("content");

Elements links = content.getElementsByTag("a");

for (Element link : links) {

String linkHref = link.attr("href");

String linkText = link.text();

}

java提取html标签信息里面的内容并排好序

如果懂一点Java知识就知道一共需要以下几个部分：

1.首先使用xml的一个dom解析获取到这个html后

2. 通过获取所有的A标签的Element

3.然后就可以根据这个Element获取到text信息了。

4.通过"java"或者空格作为分隔符使用split方法就可以区分出你的“提取出来的结果”和“百分比

”。

5.最后排序。

如何使用java的正则表达式提取html标签

import java.util.ArrayList;

import java.util.Iterator;

import java.util.List;

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public class Test {

    public static void main(String args[]) {

        String html = "titleABCD/titlegsdggastitle/titlejklltitle005/title";

        // 简单示例，相当于String html=getHtml(String urlString);

        List resultList = getContext(html);

        for (Iterator iterator = resultList.iterator(); iterator.hasNext();) {

            String context = (String) iterator.next();

            System.out.println(context);

        }

    }

    /**

     * 提取"titleXXXX/title"中的文字XXXX

     * @param html 要解析的html文档内容

     * @return 解析结果，可以多次匹配，每次匹配的结果按文档中出现的先后顺序添加进结果List

     */

    public static List getContext(String html) {

        List resultList = new ArrayList();

        Pattern p = Pattern.compile("title([^/title]*)");//匹配title开头，/title结尾的文档

        Matcher m = p.matcher(html );//开始编译

        while (m.find()) {

            resultList.add(m.group(1));//获取被匹配的部分

        }

        return resultList;

    }

}

java解析html标签的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于html解析规则、java解析html标签的信息别忘了在本站进行查找喔。