HTMLParser-2.0-SNAPSHOT-bin.zip JAVA html解析库

HTML解析实用库，非常好用 public class HtmlLinkParser { //获取子链接，url为网页url，filter是链接过滤器，返回该页面子链接的HashSet public static Set<String> extracLinks(String url, LinkFilter filter) { Set<String> links = new HashSet<String>(); try { Parser parser = new Parser(url); parser.setEncoding("utf-8"); // 过滤 &lt;frame &gt;标签的 filter，用来提取 frame 标签里的 src 属性所表示的链接 NodeFilter frameFilter = new NodeFilter() { public boolean accept(Node node) { if (node.getText().startsWith("frame src=")) { return true; } else { return false; } } }; // OrFilter 接受&lt;a&gt;标签或&lt;frame&gt;标签，注意NodeClassFilter()可用来过滤一类标签，linkTag对应&lt;标签&gt; OrFilter linkFilter = new OrFilter(new NodeClassFilter( LinkTag.class), frameFilter); // 得到所有经过过滤的标签，结果为NodeList NodeList list = parser.extractAllNodesThatMatch(linkFilter); for (int i = 0; i &lt; list.size(); i++) { Node tag = list.elementAt(i); if (tag instanceof LinkTag)// &lt;a&gt; 标签 { LinkTag link = (LinkTag) tag; String linkUrl = link.getLink();// 调用getLink()方法得到&lt;a&gt;标签中的链接 if (filter.accept(linkUrl))//将符合filter过滤条件的链接加入链接表 links.add(linkUrl); } else{// &lt;frame&gt; 标签 // 提取 frame 里 src 属性的链接如 &lt;frame src="test.html"/> String frame = tag.getText(); int start = frame.indexOf("src="); frame = frame.substring(start); int end = frame.indexOf(" "); if (end == -1) end = frame.indexOf(">"); String frameUrl = frame.substring(5, end - 1); if (filter.accept(frameUrl)) links.add(frameUrl); } } } catch (ParserException e) {//捕捉parser的异常 e.printStackTrace(); } return links; } }