「java解码html」Java解码Unicode

admin 2023-03-19 04:01:07 332

本篇文章给大家谈谈java解码html，以及Java解码Unicode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、如何解码HTML字符实体在Java中像HttpUtility.HtmlDecode
2、求助，java代码怎么实现把html的编码格式从gb2312转换为UTF-8
3、java如何解析html文档
4、JAVA解析html
5、java程序怎么读取html网页？
6、java怎样读取html文件

如何解码HTML字符实体在Java中像HttpUtility.HtmlDecode

response.setContentType("text/html");

PrintWriter out = response.getWriter();

out.println("HTML");

out.println(" BODY");

out.println(" /BODY");

out.println("/HTML");

out.flush();

out.close();

输出流写到页面就好了

求助，java代码怎么实现把html的编码格式从gb2312转换为UTF-8

Java中字符串转码，根据实际运用的环境有以下三种方式

使用Java.lang.String这是最常用的方法，先用对应编码获取字节，然后重新构造新编码，示例代码如下：String s = "清山";

byte[] b = s.getBytes("utf-8");//编码

String sa = new String(b, "gb2312");//解码:用什么字符集编码就用什么字符集解码

java.io.InputStreamReader/OutputStreamWriter:桥转换读写文件的应用中，可以使用这种方式，直接在IO流构造中转换，示例代码如下：

InputStream is = new FileInputStream("C:/项目进度跟踪.txt");//文件读取

InputStreamReader isr = new InputStreamReader(is, "utf-8");//解码

OutputStream os = new FileOutputStream("C:/项目进度跟踪_gb2312.txt");//文件输出

OutputStreamWriter osw = new OutputStreamWriter(os, "gb2312");//开始编码

java.nio.Charset使用nio中的Charset转换字符，示例代码如下：Charset inSet = Charset.forName("utf-8"); // 解码字符集

Charset outSet = Charset.forName("gb2312"); // 编码字符集

CharsetDecoder de = inSet.newDecoder(); // 解码器

CharsetEncoder en = outSet.newEncoder();// 编码

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

吧源文件找到，去掉html的符号就可以啦。给你看一段我写的，写的不好，还得改呢(*^__^*) 嘻嘻……：

public String HtmlToTextGb2312(String inputString)

{

String htmlStr = inputString; //含html标签的字符串

String textStr ="";

Pattern p_script;

Matcher m_script;

Pattern p_style;

Matcher m_style;

Pattern p_html;

Matcher m_html;

Pattern p_houhtml;

Matcher m_houhtml;

Pattern p_spe;

Matcher m_spe;

Pattern p_blank;

Matcher m_blank;

Pattern p_table;

Matcher m_table;

Pattern p_enter;

Matcher m_enter;

try {

String regEx_script = "[\\s]*?script[^]*?[\\s\\S]*?[\\s]*?\\/[\\s]*?script[\\s]*?";

//定义script的正则表达式.

String regEx_style = "[\\s]*?style[^]*?[\\s\\S]*?[\\s]*?\\/[\\s]*?style[\\s]*?";

//定义style的正则表达式.

String regEx_html = "[^]+";

//定义HTML标签的正则表达式

String regEx_houhtml = "/[^]+";

//定义HTML标签的正则表达式

String regEx_spe="\\[^;]+;";

//定义特殊符号的正则表达式

String regEx_blank=" +";

//定义多个空格的正则表达式

String regEx_table="\t+";

//定义多个制表符的正则表达式

String regEx_enter="\n+";

//定义多个回车的正则表达式

p_script = Pattern.compile(regEx_script,Pattern.CASE_INSENSITIVE);

m_script = p_script.matcher(htmlStr);

htmlStr = m_script.replaceAll(""); //过滤script标签

p_style = Pattern.compile(regEx_style,Pattern.CASE_INSENSITIVE);

m_style = p_style.matcher(htmlStr);

htmlStr = m_style.replaceAll(""); //过滤style标签

p_html = Pattern.compile(regEx_html,Pattern.CASE_INSENSITIVE);

m_html = p_html.matcher(htmlStr);

htmlStr = m_html.replaceAll(""); //过滤html标签

p_houhtml = Pattern.compile(regEx_houhtml,Pattern.CASE_INSENSITIVE);

m_houhtml = p_houhtml.matcher(htmlStr);

htmlStr = m_houhtml.replaceAll(""); //过滤html标签

p_spe = Pattern.compile(regEx_spe,Pattern.CASE_INSENSITIVE);

m_spe = p_spe.matcher(htmlStr);

htmlStr = m_spe.replaceAll(""); //过滤特殊符号

p_blank = Pattern.compile(regEx_blank,Pattern.CASE_INSENSITIVE);

m_blank = p_blank.matcher(htmlStr);

htmlStr = m_blank.replaceAll(" "); //过滤过多的空格

p_table = Pattern.compile(regEx_table,Pattern.CASE_INSENSITIVE);

m_table = p_table.matcher(htmlStr);

htmlStr = m_table.replaceAll(" "); //过滤过多的制表符

p_enter = Pattern.compile(regEx_enter,Pattern.CASE_INSENSITIVE);

m_enter = p_enter.matcher(htmlStr);

htmlStr = m_enter.replaceAll(" "); //过滤过多的制表符

textStr = htmlStr;

}catch(Exception e)

{

System.err.println("Html2Text: " + e.getMessage());

}

return textStr;//返回文本字符串

}

java程序怎么读取html网页？

步骤:

一、使用java.net包下的URL类，可以将一个网页（链接）封装成一个URL对象。

二、URL对象有一个openStream()方法，使用该方法可以获取该网页的输入流，我们可以通过读取输入流的方式获得网页的内容，并通过输出流写入HTML文件中。

补充:

步骤：

1.通过URL对象的openStream()方法获得网页的字节输入流。

2.为字节输入流加缓冲。

3. 创建字节输出流对象。

4. 为字节输出流加缓冲。

5. 读取数据，并写入HTML文件。

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();

}

关于java解码html和Java解码Unicode的介绍到此就结束了，不知道你从中找到你需要的信息了吗？如果你还想了解更多这方面的信息，记得收藏关注本站。

标签：java解码html