htmlParser从网页上抓取数据.doc

  1. 1、本文档共37页,可阅读全部内容。
  2. 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. 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. 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

文档评论(0)

yaocen + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档