Question

我在Java方面遇到了一些问题。如何执行此操作：我想在HTML文件中搜索标记href和src，然后我想获取与该标记关联的URL。

最好的方法是什么？

感谢您的帮助。最好的问候。

Answer 1

您想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

Answer 2

这是我用来完成你想要做的事情的代码，但首先让我给你一些提示。

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JEditorPane，但我仍然强烈建议你看一下这些。

Java 6 API中有一个名为HTML.Tag的类，用于标识HTML开始和结束标记，然后您可以使用这些标记来确定您希望程序遵循的链接的位置。{{3 }}

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)

如果您需要有关如何编写这些方法的更多帮助，可以给我发消息，但基本上，您正在寻找初始标记和结束标记，然后您将确定该网址，然后您可以继续下一步，跟随网址。

要关注网址，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传入，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，并允许您再次启动该过程。

如果您有任何问题，请告诉我，请将此答案投票！

Answer 3

如果您的文件是 xhtml文档，则它是标准的xml文档，解析它的麻烦方法是使用jdom。 JDom非常强大，易于使用和理解。

如果您有html文档，可以尝试htmlparser，尤其是课程LinkTag。

Answer 4

Take a look at this question:

我使用的答案是JTidy

Answer 5

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

Answer 6

我会看一下tagsoup，它将从任何HTML文档构建一个DOM树，即使是最不合规的文档也是如此。

然后使用XPath并迭代返回的NodeList：

//一个

和

// IMG

Answer 7

我已成功使用Neko HTML Parser进行此类操作（屏幕抓取）。

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

如何在HTML文件中搜索某些标签？

7 个答案: