<rt id="bn8ez"></rt>
<label id="bn8ez"></label>

  • <span id="bn8ez"></span>

    <label id="bn8ez"><meter id="bn8ez"></meter></label>

    lexy

    支持開源,尊重他人的勞動!

      BlogJava :: 首頁 :: 新隨筆 :: 聯(lián)系 :: 聚合  :: 管理 ::
      17 隨筆 :: 0 文章 :: 9 評論 :: 0 Trackbacks

    httpclient+nekohtml?解析HTML

    import org.cyberneko.html.parsers.DOMParser;
    import org.xml.sax.InputSource;
    import org.xml.sax.SAXException;
    import org.w3c.dom.Document;
    import org.apache.commons.httpclient.HttpClient;
    import org.apache.commons.httpclient.HttpException;
    import org.apache.commons.httpclient.HttpStatus;
    import org.apache.commons.httpclient.methods.GetMethod;

    import java.io.InputStream;
    import java.io.IOException;

    public class Html2XML {
    ??? private int connectionTimeout = 5000;
    ??? private int soTimeout = 12000;
    ??? private String proxyHost = null;
    ??? private int proxyPort;

    ??? public Document getDocument(String url) {
    ??????? HttpClient client = new HttpClient();
    ??????? if (proxyHost != null) {
    ??????????? client.getHostConfiguration().setProxy(proxyHost, proxyPort);
    ??????? }
    ??????? client.getHttpConnectionManager().getParams().setConnectionTimeout(connectionTimeout);
    ??????? client.getHttpConnectionManager().getParams().setSoTimeout(soTimeout);
    ??????? GetMethod method = new GetMethod(url);
    ??????? method.addRequestHeader("Content-Type", "text/html; charset=utf-8");
    ??????? try {
    ??????????? int statusCode = client.executeMethod(method);
    ??????????? if (statusCode != HttpStatus.SC_OK) {
    ??????????????? throw new HttpException("HttpStatusCode : " + statusCode);
    ??????????? }
    ??????????? InputStream is = method.getResponseBodyAsStream();
    ??????????? DOMParser parser = new DOMParser();
    ??????????? parser.setProperty("??????????? parser.parse(new InputSource(is));
    ??????????? return (parser.getDocument());
    ??????? } catch (HttpException he) {
    ??????????? he.printStackTrace();
    ??????? } catch (IOException ie) {
    ??????????? ie.printStackTrace();
    ??????? } catch (SAXException se) {
    ??????????? se.printStackTrace();
    ??????? }
    ??????? return null;
    ??? }
    }


    評論

    # re: httpclient+nekohtml 解析HTML 2008-04-01 09:25 隔葉黃鶯
    如果 html 頁面完全不規(guī)范就不好辦了,如
    <h1><div>kkkkk</h1></div>  回復  更多評論
      

    # re: httpclient+nekohtml 解析HTML 2008-04-01 17:13 lexy
    @隔葉黃鶯

    這個我也沒具體測試過,呵呵。
    不過 nekohtml 的介紹是這樣說的:
    這個解析器能投掃描HTML文件并“修正”許多作者(人或機器)在編寫HTML文檔過程中常犯的錯誤。NekoHTML能增補缺失的父元素、自動用結束標簽關閉相應的元素,以及不匹配的內(nèi)嵌元素標簽。

    我在用的過程中暫時還沒發(fā)現(xiàn)什么大問題,呵呵。
      回復  更多評論
      


    只有注冊用戶登錄后才能發(fā)表評論。


    網(wǎng)站導航:
     
    主站蜘蛛池模板: h片在线免费观看| 久久国产精品成人免费| 97视频热人人精品免费| 日产亚洲一区二区三区| 最近中文字幕国语免费完整| 久久亚洲精品成人AV| 日韩在线永久免费播放| 亚洲视频免费在线看| 国产h视频在线观看网站免费| 亚洲白色白色永久观看| 国产免费AV片在线播放唯爱网| 亚洲乱码中文字幕小综合| 大地资源在线观看免费高清| 亚洲人成色4444在线观看| 亚洲av无码天堂一区二区三区 | 一级毛片在线播放免费| 久久国产成人精品国产成人亚洲| 中文字幕在线视频免费| 亚洲国产精品婷婷久久| 野花高清在线观看免费3中文 | 猫咪社区免费资源在线观看| 久久久久久亚洲精品影院| 国产免费人视频在线观看免费| 一级女人18片毛片免费视频| 亚洲AV无码专区在线播放中文| 在线免费中文字幕| 亚洲色在线无码国产精品不卡 | 国产成人精品日本亚洲网站| 99ee6热久久免费精品6| 亚洲熟妇av午夜无码不卡| 亚洲精品tv久久久久| 午夜视频在线免费观看| 456亚洲人成影院在线观| 免费一级毛片女人图片| 久久国产免费一区| 亚洲中文字幕无码mv| 亚洲无线码在线一区观看| 无码专区永久免费AV网站| 一区二区三区视频免费观看| 亚洲第一页在线视频| 亚洲国产精品丝袜在线观看|