欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  web前端

htmlparser是什么

程序员文章站 2022-03-05 08:53:53
...

htmlparser是一个纯的java写的html解析库;htmlparser不依赖于其它的java库文件,主要用于改造或提取html,可以用线性或嵌套方式解析HTML,可以理解成一个网页信息抓取工具。

htmlparser是什么

本教程操作环境:windows10系统、HTML5版、Dell G3电脑。

htmlparser是什么意思

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。现在htmlparser最新版本为2.1。毫不夸张地说,htmlparser就是目前最好的html解析和分析的工具。

HTML Parser 是一个 Java 库,用于以线性或嵌套方式解析 HTML。主要用于转换或提取,它具有过滤器、访问者、自定义标签和易于使用的 JavaBeans。它是一个快速、强大且经过良好测试的软件包。

解析器处理的两个基本用例是 提取和转换 (合成用例,从头开始创建 HTML 页面,最好由更接近数据源的其他工具处理)。虽然以前的版本集中于从网页中提取数据,但 HTMLParser 的 1.4 版在转换网页方面有了实质性的改进,简化了标签的创建和编辑,以及逐字输出 toHtml() 方法。

一般来说,要使用 HTMLParser,您需要能够用 Java 编程语言编写代码。尽管提供了一些可能有用的示例程序,但您很可能需要(或想要)创建自己的程序或修改提供的程序以匹配您的预期应用程序。

要使用该库,您需要在编译和运行时将 htmllexer.jar 或 htmlparser.jar 添加到您的类路径中。htmllexer.jar 以线性、扁平、顺序的方式提供对页面上通用字符串、备注和标签节点的低级访问。包含 htmllexer.jar 中的类的 htmlparser.jar 提供对页面的访问,作为包含字符串、备注和其他标记节点的嵌套区分标记序列。因此,调用 lexer nextNode() 方法的输出可能是:

htmlparser是什么

解析器NodeIterator的输出会将标签嵌套为 <html>、<head> 和其他节点的子节点(这里用缩进表示):

htmlparser是什么

解析器试图平衡开始标签和结束标签来呈现页面的结构,而词法分析器只是简单地吐出节点。如果您的应用程序只需要适度的页面结构知识,并且主要关注单个独立节点,则应考虑使用轻量级词法分析器。但是如果您的应用程序需要了解页面的嵌套结构,例如处理表格,您可能需要使用完整的解析器。

推荐教程:《html视频教程

以上就是htmlparser是什么的详细内容,更多请关注其它相关文章!

相关标签: html