如何从java中的任何网页获取标题文本

我正在使用java从网页上获取标题文本。

我使用Tag名称从网页中获取图像，如下所示：

int i=1; InputStream in=new URL("www.yahoo.com").openStream(); org.w3c.dom.Document doc= new Tidy().parseDOM(in, null); NodeList img=doc.getElementsByTagName("img"); ArrayList list=new ArrayList(); list.add(img.item(i).getAttributes().getNamedItem("src").getNodeValue()); 

它正在工作，但我想使用与上面相同的代码从网页（www.yahoo.com）获取标题标签。我已经提到了getElementsByTagName（“title”）; 但它不起作用。 请帮助我，如何使用如上所述的jtidy解析器。

Answer 1

观察NodeList索引从0开始（我看到你的“int i = 1;”） http://download.oracle.com/javase/1.4.2/docs/api/org/w3c/dom/NodeList.html 。

此外，您可以使用属性（即“src”）的“getNodeValue（）”，但不能使用元素http://download.oracle.com/javase/1.5.0/docs/api/org/w3c/dom/ Node.html 。 在这种情况下，你可以使用“getTextContent（）”，因为我不相信“title”标签有子元素。 所以：

 String titleText = doc.getElementsByTagName("title").item(0).getTextContent(); 

要么：

 String titleText = doc.getElementsByTagName("title").item(0).getFirstChild().getNodeValue(); 

Answer 2

您可以使用XPath轻松获取HTML页面的标题：

 /html/head/title/text() 

你可以使用Dom4J轻松实现这一点，我也认为在JTidy中也是如此。

Answer 3

除非你发布实际上用来获得标题的代码，否则我们无法判断，但这显然不起作用：

  list.add(img.item(i).getAttributes().getNamedItem("src").getNodeValue()); 

因为title元素没有src属性。