- 1、本文档共37页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
htmlParser从网页上抓取数据
package parser;
import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.FileWriter;
import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import .MalformedURLException;
import .URL;
/**
* 基本能实现网页抓取,不过要手动输入URL 将整个html内容保存到指定文件
*
* @author chenguoyong
*
*/
public class ScrubSelectedWeb {
private final static String CRLF = System.getProperty(line.separator);
/**
* @param args
*/
public static void main(String[] args) {
try {
URL ur = new URL(99:8083/injs100/);
InputStream instr = ur.openStream();
String s, str;
BufferedReader in = new BufferedReader(new InputStreamReader(instr));
StringBuffer sb = new StringBuffer();
BufferedWriter out = new BufferedWriter(new FileWriter(
D:/outPut.txt));
while ((s = in.readLine()) != null) {
sb.append(s + CRLF);
}
System.out.println(sb);
str = new String(sb);
out.write(str);
out.close();
in.close();
} catch (MalformedURLException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
}
}
如上是基本能实现网页抓取,不过要手动输入URL,此外没有重构。只是一个简单的思路。htmlparser是一个纯的java写的html解析的库,htmlparser不依赖于其它的java库,htmlparser主要用于改造 或提取html。htmlparser能超高速解析html,而且不会出错。毫不夸张地说,htmlparser就是目前最好的html解 析和分析的工具。无论你是想抓取网页数据还是改造html的内容,用了htmlparser绝对会忍不住称赞。由于htmlparser 结构设计精良,所以扩展htmlparser 非常便利。Htmlparser中文论坛.??/thread.php?fid=6Constructor Summary Parser()
Parser(URLConnection?connection) ??????????Construct a parser using the provided URLConnection.
Method:
static?Parser createParser(String?html, String?charset) ??????????Creates the parser on an input string.
?void visitAllNodesWith(NodeVisitor?visitor) ??????????Apply the given visitor to the current page.
HtmlPage(Parser?parser)
?NodeList getBody() ??????????? ?TableTag[] getTables() ??????????? ?String getTitle() ??????????? ?void setTitle(String?title) ??????????? ?void visitTag(Tag?tag) ??????????Called for each Tag visited. ?
Constructor Summary NodeLi
您可能关注的文档
最近下载
- 全过程造价咨询投资控制目标承诺及保证措施.pdf VIP
- 牛津深圳版五上Unit 9 Around the city 第二课时课件.pptx
- 信息安全数学基础(第二版)裴定一课后习题答案.pdf
- 光电信息科学与工程专业的职业生涯规划 (修正).pptx VIP
- 2022年11月中日友好医院2022年应届毕业生公开招聘(一)笔试参考题库+答案详解.docx
- 三维激光扫描仪使用手册faro scene lt.pdf
- 名著阅读《西游记》练习试题(含答案).pdf VIP
- 华为H12-891 V1.0 HCIE-Datacom认证考试题库资料大全-下(多选、判断题汇总).pdf
- 医学电子书包考试找答案.pdf
- 物业起诉业主不交物业费官司超完美答辩状.doc
文档评论(0)