东坡下载:内容最丰富最安全的下载站!

帮助|文件类型库|最新更新|下载分类|排行榜

编程相关破解相关编程工具反编译安装制作程序源码软件补丁数据库Visual Studiovc++visualbasicdreamweaver

首页编程开发编程相关 → html解析器(HtmlCleaner) 2.13 免费版

html解析器(HtmlCleaner)

html解析器(HtmlCleaner)2.13 免费版

  • 大小:146KB
  • 语言:中文
  • 平台:win7, WinAll
  • 更新:2015-08-05 16:54
  • 等级:
  • 类型:编程相关
  • 网站:http://www.uzzf.com
  • 授权:免费软件
  • 厂商:
  • 产地:国产软件
好用好玩 50%(0)
坑爹 坑爹 50%(0)
软件介绍软件截图相关软件软件教程网友评论下载地址

HtmlCleaner是一个免费开源的适用范围广的Java语言Html文档解析器,它能重新整理HTML文档的每个元素并生成结构良好(Well-Formed)的 HTML 文档。默认它遵循的规则是类似于大部份web浏览器为创文档对象模型所使用的规则,户可以提供自定义tag和规则组来进行过滤和匹配。

HtmlCleaner软件特色

它被设计的小,快速,灵活而且独立。HtmlCleaner也可用在Java代码中,当命令行工具或Ant任务。 解析后编程轻量级文档对象,能够很容易的被转换到DOM或者JDom标准文档,或者通过各种方式(压缩,打印)连续输出XML。

HtmlCleaner使用示例

写一个测试用的html文件:html-clean-demo.html

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd " >   

< html   xmlns = "http://www.w3.org/1999/xhtml "   xml:lang = "zh-CN"   dir = "ltr" >   

< head >   

< meta   http-equiv = "Content-Type"   content = "text/html; charset=GBK" />   

< meta   http-equiv = "Content-Language"   content = "zh-CN" />   

< title > html clean demo </ title >   

</ head >   

< body >   

< div   class = "d_1" >   

< ul >   

< li > bar </ li >   

< li > foo </ li >   

< li > gzz </ li >   

</ ul >   

</ div >   

< div >   

< ul >   

< li > < a   name = "my_href"   href = "1.html" > text-1 </ a > </ li >   

< li > < a   name = "my_href"   href = "2.html" > text-2 </ a > </ li >   

< li > < a   name = "my_href"   href = "3.html" > text-3 </ a > </ li >   

< li > < a   name = "my_href"   href = "4.html" > text-4 </ a > </ li >   

</ ul >   

</ div >   

</ body >   

</ html >   

Html代码

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">  

<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="zh-CN" dir="ltr">  

<head>  

<meta http-equiv="Content-Type" content="text/html; charset=GBK"/>  

<meta http-equiv="Content-Language" content="zh-CN"/>  

<title>html clean demo</title>  

</head>  

<body>  

<div class="d_1">  

<ul>  

<li>bar</li>  

<li>foo</li>  

<li>gzz</li>  

</ul>  

</div>  

<div>  

<ul>  

<li><a name="my_href" href="1.html">text-1</a></li>  

<li><a name="my_href" href="2.html">text-2</a></li>  

<li><a name="my_href" href="3.html">text-3</a></li>  

<li><a name="my_href" href="4.html">text-4</a></li>  

</ul>  

</div>  

</body>  

</html>  

模拟需求:取出title,name="my_href" 的链接,div的class="d_1"下的所有li内容。下面用htmlcleaner写代码,HtmlCleanerDemo.java

package  com.chenlb;  

import  java.io.File;  

import  org.htmlcleaner.HtmlCleaner;  

import  org.htmlcleaner.TagNode;  

/**  

* htmlcleaner 使用示例.  

*  

* @author chenlb 2008-11-26 下午02:12:02  

*/   

public   class  HtmlCleanerDemo {  

public   static   void  main(String[] args)  throws  Exception {  

HtmlCleaner cleaner = new  HtmlCleaner();  

TagNode node = cleaner.clean(new  File( "html/html-clean-demo.html" ),  "GBK" );  

//按tag取.   

Object[] ns = node.getElementsByName("title" ,  true );     //标题   

if (ns.length >  0 ) {  

System.out.println("title=" +((TagNode)ns[ 0 ]).getText());  

}  

System.out.println("ul/li:" );  

//按xpath取   

ns = node.evaluateXPath("//div[@class='d_1']//li" );  

for (Object on : ns) {  

TagNode n = (TagNode) on;  

System.out.println("\ttext=" +n.getText());  

}  

System.out.println("a:" );  

//按属性值取   

ns = node.getElementsByAttValue("name" ,  "my_href" ,  true ,  true );  

for (Object on : ns) {  

TagNode n = (TagNode) on;  

System.out.println("\thref=" +n.getAttributeByName( "href" )+ ", text=" +n.getText());  

}  

}  

}  

Java代码  

package com.chenlb;  

import java.io.File;  

import org.htmlcleaner.HtmlCleaner;  

import org.htmlcleaner.TagNode;  

/** 

* htmlcleaner 使用示例. 

* @author chenlb 2008-11-26 下午02:12:02 

*/  

public class HtmlCleanerDemo {  

public static void main(String[] args) throws Exception {  

HtmlCleaner cleaner = new HtmlCleaner();  

TagNode node = cleaner.clean(new File("html/html-clean-demo.html"), "GBK");  

//按tag取.  

Object[] ns = node.getElementsByName("title", true);    //标题  

if(ns.length > 0) {  

System.out.println("title="+((TagNode)ns[0]).getText());  

}  

System.out.println("ul/li:");  

//按xpath取  

ns = node.evaluateXPath("//div[@class='d_1']//li");  

for(Object on : ns) {  

TagNode n = (TagNode) on;  

System.out.println("\ttext="+n.getText());  

}  

System.out.println("a:");  

//按属性值取  

ns = node.getElementsByAttValue("name", "my_href", true, true);  

for(Object on : ns) {  

TagNode n = (TagNode) on;  

System.out.println("\thref="+n.getAttributeByName("href")+", text="+n.getText());  

}  

}  

}  

cleaner.clean()中的参数,可以是文件,可以是url,可以是字符串内容。个人认为:比较常用的应该是evaluateXPath、 getElementsByAttValue、getElementsByName方法了。另外说明下,htmlcleaner 对不规范的html兼容性比较好。

HtmlCleaner更新内容

1.HtmlCleaner的文档对象模型拥有了一些函数,处理节点和属性,所以在序列化之前搜索或者编辑是非常容易的。

2.提供基本HtmlCleaner DOM的XPath支持

3.使用XML配置文件让创建定制tag变得更加容易

4.修复多个bug以及API改进

PC官方
安卓官方手机版
IOS官方手机版

html解析器(HtmlCleaner)截图

下载地址

html解析器(HtmlCleaner) 2.13 免费版

热门评论
最新评论
昵称:
表情: 高兴 可 汗 我不要 害羞 好 下下下 送花 屎 亲亲
字数: 0/500 (您的评论需要经过审核才能显示)

编辑推荐

报错

请简要描述您遇到的错误,我们将尽快予以修正。

转帖到论坛
轮坛转帖HTML方式

轮坛转帖UBB方式