如何在HTML文件中搜索一些标记?

您希望将此作为一次性编辑任务,还是需要系统(即代码)实现?在第二种情况下,找到Java HTML解析器实现并遍历DOM树。

http://java-source.net/open-source/html-parsers

这是我用来完成您想要做的事情的代码,但是首先让我给您一些提示。

如果您在Java Swing环境中,请确保使用javax.Swing.text.html和javax.Swing.text.html.parser包中的方法。不幸的是,它们主要用于绝地武士窗格,但我仍然强烈建议您看看这些。

Java6API中有一个名为HTML.Tag的类,它标识HTML开始和结束标记,然后您可以使用它来确定您希望程序遵循的链接的位置。 http://java.sun.com/javase/6/docs/api/javax/swing/text/html/HTML.Tag.html

当我编写一个与此非常类似的程序时,我使用了3种主要方法:

public void handleStartTag(HTML.Tag t, MUtableAttributeSet atts, int pos)
public void handleEndTag(HTML.Tag t, int pos)
public void handleText(char[] text, int pos)

如果您需要更多关于如何编写这些方法的帮助,您可以给我发消息,但基本上,您是在寻找初始标记和结束标记,然后从中识别url,然后可以继续下一步,即跟踪url。

要查看url,我建议您使用JEditorPane对象。javax.swing.event.HyperlinkListener接口只定义了一个方法hyperlinkUpdate(HyperlinkEvent e),您可以将url传递到该方法中,然后在JEditorPane对象上调用.setPage(evt.getURL())。然后,这将使用新页面更新窗格,并允许您再次启动流程。

如果你有任何问题,请给我发短信,并投票给我这个答案!

Take a look at this question:

我用的答案是 JTidy

你可以用 Rhino ,然后加载html文件。加载后,可以使用getElementBy转到任何节点或获取值。

如果您的文件是 xhtml文档 ,它是一个标准的xml文档,解析它的基本方法是使用 jdom . JDom功能强大,易于使用和理解。

htmlparser ,尤其是在课堂上 LinkTag .

tagsoup

//a

和

//img

我已经用过了 Neko HTML Parser

import org.cyberneko.html.parsers.DOMParser;
import org.w3c.dom.Node;

public class TestParser {

     public static void main(String[] argv) throws Exception {
          DOMParser parser = new DOMParser();
          for (int i = 0; i