htmlparser.jar v1.6官方版

htmlparser.jar是一款十分常用的用于java开发项目研发的htmlparser.jar包,htmlparser是一个纯的java写的html解析的库，它不依赖于其它的java库文件，主要用于改造或提取html。它能超高速解析html，而且不会出错。毫不夸张地说，htmlparser就是目前最好的html解析和分析的工具。无论你是想抓取网页数据还是改造html的内容，用了htmlparser绝对会忍不住称赞。

基本简介

htmlparser是一个纯的java写的html(标准通用标记语言下的一个应用)解析的库，它不依赖于其它的java库文件，主要用于改造或提取html。htmlparser是一个纯的java写的html(标准通用标记语言下的一个应用)解析的库，它不依赖于其它的java库文件，主要用于改造或提取html。它能超高速解析html，而且不会出错。毫不夸张地说，htmlparser就是目前最好的html解析和分析的工具。无论你是想抓取网页数据还是改造html的内容，用了htmlparser绝对会忍不住称赞。

功能介绍

1、信息提取

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;

链接检查，用于检查HTML中的链接是否有效;

页面内容的监控。

2、信息转换

链接重写，用于修改页面中的所有超链接;

网页内容拷贝，用于将网页内容保存到本地;

内容检验，可以用来过滤网页上一些令人不愉快的字词;

HTML信息清洗，把本来乱七八糟的HTML信息格式化;

转成XML格式数据。

常用代码

stringhtmlcode=""+......+"";

Parserparser=Parser.CreateParser(htmlcode,"GBK");

HtmlPagepage=newHtmlPage(parser);

try

{parser.VisitAllNodesWith(page);}

catch(ParserExceptione1)

{e1=null;}

NodeListnodelist=page.Body;

NodeFilterfilter=newTagNameFilter("A");

nodelist=nodelist.ExtractAllNodesThatMatch(filter,true);

for(inti=0;i

{

LinkTaglink=(LinkTag)nodelist.ElementAt(i);

System.Console.Write(link.GetAttribute("href")+"\n");

}