| « | September 2025 | » | | 日 | 一 | 二 | 三 | 四 | 五 | 六 | | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 | 24 | 25 | 26 | 27 | 28 | 29 | 30 | | | | | |
|
公告 |
| 暂无公告... |
| Blog信息 |
|
blog名称:dongdong的照相机
日志总数:3
评论数量:1
留言数量:-1
访问次数:29597
建立时间:2009年11月25日 |
| |
|
 [转载]【转载】HTMLParser的初步整理
网上资源, 电脑与网络
dongdong 发表于 2009/11/27 17:37:05 |
|
书上没有详细介绍HTMLParser细致的使用，所以需要看文档来来进一步了解HTMLParser。
我首先整理一些方法，以便查找。
Interface Node：
getChildren()
NodeList
get the children of this node
getStartPosition()
int
get the starting position of the node.
getEndPosition()
int
getFirstChild()
Node
getLastChild()
Node
getParent()
Node
this will always return null when parsing with the Lexer.
getNextSibling()
Node
getPreviousSibling()
Node
getPage()
page
get the page this node came from. return the page that supplied this node.
getText()
String
return the text of the node.
toHtml()
String
return the HTML for this node.
toHtml(boolean)
String
return the HTML for this node.
toPlainTextString()*
String
a string representation of the node.
toString()
String
return the string representation of the node.
collectInto(NodeList,NodeFilter)*
void
collect this node and its child nodes into a list,provided the node satisfies the filtering criteria.
accept(NodeVisitor)
void
apply the visitor to this node.
setchildren(NodeList)
void
setStartPosition(int)
void
setEndPosition(int)
void
setPage(Page)
void
setParent(Node)
void
setStartPosition(int)
void
setText(String)
void
clone()
Object
allow cloning of nodes
*:
toPlainTextString():
A string representation of the node. This is an important method, it allows a simple string transformation of a web page, regardless of a node. For a Text node this is obviously the textual contents itself. For a Remark node this is the remark contents (sic). For tags this is the text contents of it's children (if any). Because multiple nodes are combined when presenting a page in a browser, this will not reflect what a user would see.
简单来说，就是返回节点内所有文本。System.out.println (node.toPlainTextString ()); collectInto(NodeList,NodeFilter): 将满足NodeFilter的所有node存到NodeList中。 疑问：一系列的set的方法，有什么使用意义？accept和clone怎么使用？
Package org.htmlparser.filters
AndFilter
CssSelectorNodeFilter
接受所有支持CSS2选择器的节点。
HasAttributeFilter
HasChildFilter
HasParentFilter
HasSiblingFilter
IsEqualFilter
This class accepts only one specific node.
LinkRegexFilter
接受所有linkTag标签的link值，匹配给定的正则表达式的节点。
LinkStringFilter
接受所有linkTag标签的link值，匹配给定的字符串的节点。
NodeClassFilter
接受所有接受指定的类的节点。
NotFilter
OrFilter
RegexFilter
接受所有满足指定正则表达式的String Nodes。
StringFilter
接受所有满足指定String的String Nodes。
TagNameFilter
|
|
|