java應用htmlparser獲得html中想要的代碼詳細完成。本站提示廣大學習愛好者:(java應用htmlparser獲得html中想要的代碼詳細完成)文章只能為提供參考,不一定能成為您想要的結果。以下是java應用htmlparser獲得html中想要的代碼詳細完成正文
這兩天須要做一些器械,須要抓取他人網頁中的一些信息。最初用htmlparser來解析html。
直接從代碼中看吧:
起首須要留意導入包為:import org.htmlparser上面的包
List<Mp3> mp3List = new ArrayList<Mp3>();
try{
Parser parser = new Parser(htmlStr);//初始化Parser,這裡要留意導入包為org.htmlparser。這裡參數有許多。這個處所我寫的是提早獲得好的html文本。也能夠傳入URl對象
parser.setEncoding("utf-8");//設置編碼機
AndFilter filter =
new AndFilter(
new TagNameFilter("div"),
new HasAttributeFilter("id","songListWrapper")
);//經由過程filter找到div且div的id為songListWrapper
NodeList nodes = parser.parse(filter);//經由過程filter獲得nodes
Node node = nodes.elementAt(0);
NodeList nodesChild = node.getChildren();
Node[] nodesArr = nodesChild.toNodeArray();
NodeList nodesChild2 = nodesArr[1].getChildren();
Node[] nodesArr2 = nodesChild2.toNodeArray();
Node nodeul = nodesArr2[1];
Node[] nodesli = nodeul.getChildren().toNodeArray();//解析出nodesli為想要的
for(int i=2;i<nodesli.length;i++){
//System.out.println(nodesli[i].toHtml());
Node tempNode = nodesli[i];
TagNode tagNode = new TagNode();//經由過程TagNode取得屬性,只要將Node轉換為TagNode能力獲得某一個標簽的屬性
tagNode.setText(tempNode.toHtml());
String claStr = tagNode.getAttribute("class");//claStr為bb-dotimg clearfix song-item-hook { 'songItem': { 'sid': '113275822', 'sname': '我的請求不算高', 'author': '黃渤' } }
claStr = claStr.replaceAll(" ", "");
if(claStr.indexOf("\\?")==-1){
Pattern pattern = Pattern.compile("[\\s\\wa-z\\-]+\\{'songItem':\\{'sid':'([\\d]+)','sname':'([\\s\\S]*)','author':'([\\s\\S]*)'\\}\\}");
Matcher matcher = pattern.matcher(claStr);
if(matcher.find()){
Mp3 mp3 = new Mp3();
mp3.setSid(matcher.group(1));
mp3.setSname(matcher.group(2));
mp3.setAuthor(matcher.group(3));
mp3List.add(mp3);
//for(int j=1;j<=matcher.groupCount();j++){
//System.out.print(" "+j+"--->"+matcher.group(j));
//}
}
}
//System.out.println(matcher.find());
}
}catch(Exception e){
e.printStackTrace();
}
以上是我在項目中解析的器械,應用照樣比擬簡略的,輕易上手。
////claStr為bb-dotimg clearfix song-item-hook { 'songItem': { 'sid': '113275822', 'sname': '我的請求不算高', 'author': '黃渤
則是從網頁中解析到的內容。