<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(fù)  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(jié)束標(biāo)簽關(guān)閉相應(yīng)的元素,以及不匹配的內(nèi)嵌元素標(biāo)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(fù)  更多評論
      


    只有注冊用戶登錄后才能發(fā)表評論。


    網(wǎng)站導(dǎo)航:
     
    主站蜘蛛池模板: 337P日本欧洲亚洲大胆艺术图| 亚洲精品午夜久久久伊人| 亚洲av无码专区首页| 在线观看av永久免费| 亚洲a级片在线观看| 青青青国产在线观看免费网站| 亚洲精品无码久久久久久久| 免费观看国产网址你懂的| 亚洲区视频在线观看| 免费三级毛片电影片| 亚洲熟妇成人精品一区| 韩国日本好看电影免费看| 色噜噜狠狠色综合免费视频| 亚洲阿v天堂在线2017免费| 一级毛片aa高清免费观看| 中文字幕在线亚洲精品| 国产一区二区免费视频| 18gay台湾男同亚洲男同| 最近最新MV在线观看免费高清| 亚洲日韩精品国产3区| 亚洲AV无码乱码精品国产| 一区二区三区视频免费| 亚洲国产精品一区二区成人片国内 | 久久精品国产精品亚洲下载| a级毛片100部免费观看| 亚洲视频在线观看网址| 特级淫片国产免费高清视频| 美女被暴羞羞免费视频| 亚洲精品乱码久久久久久久久久久久 | 一级做a爱片特黄在线观看免费看| 亚洲无线码一区二区三区| 19禁啪啪无遮挡免费网站| 亚洲熟女精品中文字幕| 亚洲一级特黄无码片| 69式国产真人免费视频| 小说区亚洲自拍另类| 亚洲v高清理论电影| 国产老女人精品免费视频| 在线观看免费视频网站色| 亚洲人成网站看在线播放| 久久久久国产成人精品亚洲午夜 |