Question

我需要获取HTML文件的所有元素，因为我必须在树上表示它们。问题是我只能获得第一个节点，即html节点。

我使用HTMLParser库进行Java编程。

我的代码是：

import org.htmlparser.Node;
import org.htmlparser.Parser;
import org.htmlparser.util.NodeList;
import org.htmlparser.util.ParserException;

class Principal
{
    public static void main (String[] args) {
        try {
            Parser parser = new Parser("http://www.marca.com");
            NodeList list = parser.parse(null);
            for (int i = 0; i < list.size(); i++) {
                Node node = list.elementAt(i);
                System.out.println(node.getText());
            }
        } catch (ParserException pe) {
            pe.printStackTrace ();
        }
    }
}

我尝试使用迭代器，但结果是一样的。

执行代码会产生以下结果：

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


html xmlns="http://www.w3.org/1999/xhtml"

有谁知道如何获取HTML文件的所有元素？

Answer 1

树有不同的等级。在您的方法中，您只需选择顶层的节点。要打印所有节点，您需要转到所有子节点。

Answer 2

我认为你应该使用jsoup 例如：

Document doc = Jsoup.connect("http://www.marca.com").get();
Elements allNodes = doc.getAllElements()

您可以在此处参考：http://jsoup.org/

Answer 3

尝试不同的方法我通过递归调用来解决问题，以迭代树的不同子项。

感谢您的帮助

使用java中的HTMLParser获取所有节点

3 个答案: