JAVA中使用Htmlparse解析HTML文档

1. import java.util.HashMap;  
2. import java.util.Map;  
3. import org.htmlparser.Node;  
4. import org.htmlparser.NodeFilter;  
5. import org.htmlparser.Parser;  
6. import org.htmlparser.tags.LinkTag;  
7. import org.htmlparser.util.NodeList;  
8. import com.yao.http.HttpRequester;  
9. import com.yao.http.HttpRespons;  
10.    
11. /** 
12.  * JAVA中使用Htmlparse解析HTML文档，使用htmlparse遍历出HTML文档的所有超链接（<a>标记）。 
13.  *  
14.  * @author YYmmiinngg 
15.  */  
16. public class Test {  
17.     public static void main(String[] args) {  
18.         try {  
19. /* 首先我们先使用HttpRequester类和HttpRespons类获得一个HTTP请求中的数据（HTML文档）。 可以从(http://download.csdn.net/source/321516)中下载htmlloader，该库中有上述类；或从我的《JAVA发送HTTP请求，返回HTTP响应内容，实例及应用》一文中摘取上述两JAVA类的代码。htmlparse可以从(http://download.csdn.net/source/321507)中下载 
20. */  
21.             Map<String, String> map = new HashMap<String, String>();  
22.             HttpRequester request = new HttpRequester();  
23.             HttpRespons hr = request.sendGet("http://www.baidu.com");  
24.    
25.             Parser parser = Parser.createParser(hr.getContent(), hr  
26.                     .getContentEncoding());  
27.             try {  
28.                 // 通过过滤器过滤出<A>标签  
29.                 NodeList nodeList = parser  
30.                         .extractAllNodesThatMatch(new NodeFilter() {  
31.                             //实现该方法,用以过滤标签  
32.                             public boolean accept(Node node) {  
33.                                 if (node instanceof LinkTag)//<A>标记  
34.                                     return true;  
35.                                 return false;  
36.                             }  
37.                         });  
38.                 // 打印  
39.                 for (int i = 0; i < nodeList.size(); i++) {  
40.                     LinkTag n = (LinkTag) nodeList.elementAt(i);  
41.                     System.out.print(n.getStringText() + " ==>> ");  
42.                     System.out.println(n.extractLink());  
43.                 }  
44.             } catch (Exception e) {  
45.                 e.printStackTrace();  
46.             }  
47.    
48.         } catch (Exception e) {  
49.             e.printStackTrace();  
50.         }  
51.     }  
52. }