广东开放大学期末考试HTMLParser使用.pdf

HTMLParser 使用 1、使用HtmlPaser 的关键步骤 （1）通过Parser 类创建一个解释器 （2 ）创建Filter 或者Visitor （3 ）使用parser 根据filter 或者visitor 来取得所有符合条件的节点 （4 ）对节点内容进行处理 2、使用Parser 的构造函数创建解释器 官方API 上的说明 Parser () Zero argument constructor. Parser (Lexer lexer) Construct a parser using the provided lexer. Parser (Lexer lexer, ParserFeedback fb) Construct a parser using the provided lexer and feedback object. Parser (String resource) Creates a Parser object with the location of the resource (URL or file). Parser (String resource, ParserFeedback feedback) Creates a Parser object with the location of the resource (URL or file) You would typically create a DefaultHTMLParserFeedback object and pass it in. Parser (URLConnection connection) Construct a parser using the provided URLConnection. Parser (URLConnection connection, ParserFeedback fb) Constructor for custom HTTP access. 对于大多数使用者来说，使用最多的是通过一个URLConnection 或者一个保存有 网页内容的字符串来初始化Parser，或者使用静态函数来生成一个Parser 对象。 ParserFeedback 的代码很简单，是针对调试和跟踪分析过程的，一般不需要改变。 3、HtmlPaser 使用Node 对象保存各节点信息 （1）访问各个节点的方法 Node getParent () ：取得父节点 NodeList getChildren () ：取得子节点的列表 Node getFirstChild () ：取得第一个子节点 Node getLastChild () ：取得最后一个子节点 Node getPreviousSibling () ：取得前一个兄弟（不好意思，英文是兄弟姐妹，直译太麻烦而 且不符合习惯，对不起女同胞了） Node getNextSibling () ：取得下一个兄弟节点 （2 ）取得Node 内容的函数 String getText () ：取得文本 String toPlainTextString() ：取得纯文本信息。 String toHtml () ：取得HTML 信息（原始HTML ） String toHtml (boolean verbatim) ：取得HTML 信息（原始HTML ） String toString () ：取得字符串信息（原始HTML ） Page getPage () ：取得这个Node 对应的Page 对象 int getStartPosition () ：取得这个Node 在HTML 页面中的起始位置 int getEndPosition () ：取得这个Node 在HTML 页面中的结束位置 4、使用Filter 访问Node 节点及其内容 （1）Filter 的种类 顾名思义，Filter 就是对于结果进行过滤，取得需要的内容。 所有的Filter 均实现了NodeFilter 接口，此接口只有一个方法Boolean accept(Node node)，用于确定某个节点是否属于此Filter 过滤的范围。 HTMLParser 在org.htmlparser.filters 包之内一共定义了16 个不同的Filter，也可以分为 几类。 判断类Fil