如何在HTML文件中搜索某些标签？

我在Java方面遇到了一些问题。 怎么做：我想在HTML文件中搜索标签href和src，然后我想获得与该标签关联的URL。

最好的方法是什么？

谢谢您的帮助。 最好的祝福。

Answer 1

这是我用来完成你想做的事情的代码，但首先让我给你一些提示。

如果您在Java Swing环境中，请确保使用javax.swing.text.html和javax.swing.text.html.parser包中的方法。 不幸的是，它们主要用于JEditorPane，但我仍然强烈建议你看看这些。

Java 6 API中有一个名为HTML.Tag的类，用于标识HTML开始和结束标记，然后您可以使用这些标记来确定您希望程序遵循的链接的位置。 http://java.sun.com/javase/6/docs/api/javax/swing/text/html/HTML.Tag.html

当我编写一个与此非常相似的程序时，我使用了3种主要方法：

public void handleStartTag(HTML.Tag t, MUtableAttributeSet atts, int pos) public void handleEndTag(HTML.Tag t, int pos) public void handleText(char[] text, int pos) 

如果您需要有关如何编写这些方法的更多帮助，您可以给我发消息，但基本上，您正在寻找一个初始标记和一个结束标记，然后从中您将识别出该url，然后您可以继续执行下一步，这是跟随url。

要关注url，我建议您使用JEditorPane对象。 javax.swing.event.HyperlinkListener接口只定义了一个方法，hyperlinkUpdate（HyperlinkEvent e），您可以将url传入，然后在JEditorPane对象上调用.setPage（evt.getURL（））。 然后，这将使用新页面更新窗格，并允许您再次启动该过程。

如果您有任何问题，请告诉我，请将此答案投票！

Answer 2

您想将此作为一次性编辑任务，还是需要系统（即代码）实现？ 在第二种情况下，找到Java HTML解析器实现并遍历DOM树。

http://java-source.net/open-source/html-parsers

Answer 3

看看这个问题：

我用的答案是JTidy

Answer 4

您可以使用Rhino ，然后加载html文件。 加载后，您可以使用getElementBy转到任何节点或获取值。

Answer 5

如果您的文件是一个xhtml文档 ，它是一个标准的xml文档，解析它的麻烦方法是使用jdom 。 JDom非常强大，易于使用和理解。

如果你有一个html文档，你可以尝试htmlparser ，特别是LinkTag类。

Answer 6

我将看看tagsoup ，它将从任何HTML文档构建DOM树，甚至是最不符合要求的文档。

然后使用XPath并迭代返回的NodeList：

//一个

和

// IMG

Answer 7

我已成功使用Neko HTML Parser进行此类操作（屏幕抓取）。

 import org.cyberneko.html.parsers.DOMParser;
 import org.w3c.dom.Node;

公共类TestParser {

      public static void main（String [] argv）throws Exception {
           DOMParser解析器=新的DOMParser（）;
           for（int i = 0; i