Htmlparser使用入门_第1页
Htmlparser使用入门_第2页
Htmlparser使用入门_第3页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、.使用htmlparser生成dom树 一 htmlparser简介什么是htmlparser？顾名思义htmlparser是一种解析分析提取html的工具。如果想抓取网页的数据有什么办法，正则表达式？字符串截取？但是如果网站改版这些都将不好使用。htmlparser可以很好的对html标签进行操作。 文本信息抽取，例如对html进行有效信息搜索 链接提取，用于自动给页面的链接文本加上链接的标签 资源提取，例如对一些图片、声音的资源的处理 这样如果使用htmlparser将html字符串生成dom树就可以对dom树进行操作，也不用担心网站改版，嘿嘿，是不是很方便?二 htmlparser生成d

2、om树htmlparser中的节点分为3种：textnode，tagnode，remarknode。（1） 在生成dom树时首先需要根据url获取html字符串，如何获取html字符此处不在描述（在获取html字符串时，如果解码方式不正确将产生乱码）。（2） 新建一个xmldocument对象，并添加根节点“root”。（3） 根据html字符串生成一个parser对象（代码1），生成nodefilter对象filter(代码2)。（4） 根据parser对象的parser(nodefilter filter)方法可以获取到需要过滤的节点集合nodelist。（5） 接下来就可以使用递归向xm

3、l添加dom节点了。循环nodelist，将节点转成itag，判断itag不为空并且itag不是结束标签(isendtag),将itag的标签名称（tagname）添加在xml上精品.还可以设置节点的属性（style、with），再判断itag的子字节点（children）是否为空，如果不为空，判断itag的firstchild是不是textnode节点并且节点名称不是“script”、“style”，将itag的firstchild文本toplaintextstring添加在xml节点上。获取当前itag的子节点（children），如果不为空递归。接着判断当前节点的下一个兄弟节点（next

4、sibling）是否为空，如果不为空获取子节点递归。 到此dom树已经生成。附加代码：代码一：parser parser = new parser(new winista.text.htmlparser.lex.lexer(new winista.text.htmlparser.lex.page(htmlstring);代码二：nodefilter filter = new nodeclassfilter(typeof(winista.text.htmlparser.tags.html);tags包含有大多数的html标签，如：html、body、span、linktag，如果只要简单的获取页面的所有连接，则直接tags.linktag，然后nodelist nodelis

人人文库> 全部分类> 生活休闲 > 科普知识

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论