<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: 亚洲视频在线观看免费| 天堂亚洲免费视频| 一级毛片免费视频| 亚洲国产精品一区第二页| 亚洲一区二区三区免费| 亚洲午夜福利精品无码| 一级a性色生活片久久无少妇一级婬片免费放| 啦啦啦www免费视频| 添bbb免费观看高清视频| 亚洲av片一区二区三区| 国产99久久久久久免费看| 国产自偷亚洲精品页65页| 在线观看黄片免费入口不卡| 国产亚洲精久久久久久无码| 国产偷伦视频免费观看| 亚洲精品高清国产麻豆专区| 亚洲国产香蕉碰碰人人| 嫩草影院在线播放www免费观看| 久久精品国产亚洲AV网站| 99在线视频免费| 亚洲午夜理论片在线观看| 免费在线观看视频a| 最近中文字幕大全免费版在线| 亚洲大成色www永久网站| 91九色老熟女免费资源站| 亚洲五月综合网色九月色| 国产人成免费视频| 日韩精品无码免费专区网站| 久久精品a亚洲国产v高清不卡| 成人一a毛片免费视频| 一级成人毛片免费观看| 亚洲高清在线mv| 国产男女猛烈无遮挡免费网站| 高清免费久久午夜精品| 亚洲精品日韩专区silk| 免费国产不卡午夜福在线| 久9久9精品免费观看| 日本亚洲中午字幕乱码| 亚洲av无码片在线播放| 免费无码又爽又刺激高潮| 曰批全过程免费视频在线观看无码 |