HTMLparser技术解析HTML源代码.doc

package test; import java.io.FileOutputStream; import java.io.InputStream; import java.io.OutputStream; import .URL; import .URLConnection; import java.util.ArrayList; import java.util.Iterator; import java.util.List; import org.htmlparser.Node; import org.htmlparser.NodeFilter; import org.htmlparser.Parser; import org.htmlparser.tags.ImageTag; import org.htmlparser.tags.LinkTag; import org.htmlparser.util.NodeList; import org.htmlparser.util.ParserException; import com.sun.corba.se.spi.orbutil.fsm.State; /** * 用HTMLparser抓取img标签的路径 * @author Administrator token@ * @param content:要爬取的文本 * @return 返回SRC路径改为服务器路径的文本 * @throws Exception：io异常 */ public class HtmlparserDemo { /** * example : new HtmlparserDemo().parserto(img src = /aa/,D:\test); * @param contentString 要取img标签的内容 * @param pathString 要存到服务器的路径 */ public static String parserto(String contentString,String pathString,String dispPath) { String stringBuffer=null; try { List list = new ArrayList(); Parser parser = Parser.createParser(contentString, UTF-8); NodeList nodeList = parser .extractAllNodesThatMatch(new NodeFilter() { public boolean accept(Node node) { if (node instanceof ImageTag)// img标记 return true; return false; } }); for (int i = 0; i nodeList.size(); i++) { ImageTag n = (ImageTag) nodeList.elementAt(i); list.add(n.getImageURL()); int start = 0; start = n.getImageURL().lastIndexOf(/); String picname=n.getImageURL().substring(start,n.getImageURL().length()); contentString=contentString.replace(n.getImageURL(), dispPath+picname); if(n.getImageURL().indexOf()==1){ contentString.replace(,); } } ListString listImg = new ArrayListString(); listImg.add(.jpg); listImg.add(.JPG); listImg.add(.jpeg); listImg.add(.JPEG); listImg.add(.bmp); listImg.add(.BMP); listImg.add(.gif); listImg.add(.GIF); listImg.add(.png); listImg.add(.PNG); Iterator ite = li