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

lucene-使用lius解析html

程序员文章站 2022-05-15 10:22:42
...

1、代码

package liusextract;

import java.io.File;
import java.io.FileInputStream;
import java.io.FileNotFoundException;
import java.io.UnsupportedEncodingException;

import lius.index.html.JTidyHtmlIndexer;
import lius.index.html.NekoHtmlIndexer;

public class extracthtml {

/**
* @param args
*/
public static void main(String[] args) {
// TODO Auto-generated method stub
JTidyHtmlIndexer ji=new JTidyHtmlIndexer();
File f=new File("./htmls/hao123.htm");
try {
ji.setStreamToIndex(new FileInputStream(f));
} catch (FileNotFoundException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
String text1=ji.getContent();
try {
text1=new String(text1.getBytes("ISO-8859-1"));
} catch (UnsupportedEncodingException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
System.out.println(text1);
NekoHtmlIndexer ni=new NekoHtmlIndexer();
try {
ni.setStreamToIndex(new FileInputStream(f));
} catch (FileNotFoundException e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
String text2=ni.getContent();
System.out.println(text2);

}

}
2、效果

hao123--我的上网主页 Config.FormConfig.web.content = '<a href="http://www.baidu.com/s?wd=%BD%D7%CC%DD%CA%BD%B5%E7%BC%DB&tn=sitehao123">阶梯式电价<\/a>&nbsp;&nbsp;&nbsp;<a href="http://top.baidu.com/once/index2.html?c=0&s=1">风云榜 &raquo;<\/a>&nbsp;&nbsp;';
Config.FormConfig.tieba.content = '<a href="http://tieba.baidu.com/f?kw=%B0%AC%B7%F0%C9%AD">艾佛森<\/a>&nbsp;&nbsp;&nbsp;<a href="http://tieba.baidu.com/f?kw=%BB%F0%D3%B0%C8%CC%D5%DF">火影忍者<\/a>&nbsp;&nbsp;&nbsp;<a href="daquan/02tieba.htm">更多 &raquo;<\/a>&nbsp;&nbsp;';
Config.FormConfig.zhidao.content = '<a href="http://zhidao.baidu.com/question/75035132.html">雾是怎样形成的?<\/a>&nbsp;&nbsp;&nbsp;<a href="http://zhidao.baidu.com/q?ct=21&cm=14&rn=25&tn=ikcommend">更多 &raquo;<\/a>&nbsp;&nbsp;';
Config.FormConfig.mp3.content = '<a href="http://mp3.baidu.com/m?f=ms&rf=idx&tn=baidump3&ct=134217728&lf=&rn=&word=%BF%B4%B5%C3%D7%EE%D4%B6%B5%C4%B5%D8%B7%BD&lm=-1">看得最远的地方<\/a>&nbsp;&nbsp;&nbsp;<a href="http://mp3.baidu.com/m?f=ms&rf=idx&tn=baidump3&ct=134217728&lf=&rn=&word=%C4%BE%C0%BC%D0%C7&lm=-1">木兰星<\/a>&nbsp;&nbsp;&nbsp;<a href="http://list.mp3.baidu.com/list/topmp3.html"><font class=blackfont>更多 &raquo;<\/font><\/a>&nbsp;&nbsp;';
Config.FormConfig.image.content = '<a href="http://image.baidu.com/i?ct=201326592&cl=2&lm=-1&tn=baiduimage&pv=&word=%B0%AC%B7%F0%C9%AD&s=0">艾佛森<\/a>&nbsp;&nbsp;&nbsp;<a href="http://image.baidu.com/i?ct=201326592&cl=2&lm=-1&tn=baiduimage&pv=&z=0&word=%C1%F5%D2%E0%B7%C6&s=0">刘亦菲<\/a>&nbsp;&nbsp;&nbsp;<a href="http://image.baidu.com/i?ct=201326592&cl=2&lm=-1&tn=baiduimage&pv=&z=0&word=%C0%EE%D3%EE%B4%BA&s=0">李宇春<\/a>&nbsp;&nbsp;&nbsp;<a href="http://www.baidu.com/search/image_wallpaper.html">更多 &raquo;<\/a>&nbsp;&nbsp;';
Config.FormConfig.video.content = '<a href="http://video.baidu.com/v?word=%B9%AC%D0%C4%BC%C6">宫心计<\/a>&nbsp;&nbsp;&nbsp;<a href="2012&nbsp;&nbsp;&nbsp;http://video.baidu.com/v?word=2012">2012<\/a>&nbsp;&nbsp;&nbsp;<a href="http://list.video.baidu.com/videostar.html">更多 &raquo;<\/a>&nbsp;&nbsp;';
Config.FormConfig.news.content = '<a href="http://news.baidu.com/ns?word=%BD%D7%CC%DD%CA%BD%B5%E7%BC%DB">阶梯式电价<\/a>&nbsp;&nbsp;&nbsp;<a href="http://news.baidu.com/">更多 &raquo;<\/a>&nbsp;&nbsp;';
设为主页 牋主页修复 牋我的hao123 牋网友留言 帐号 邮箱 --请选择-- @163.com 网易 @126.com 网易 @sina.com 新浪 @yahoo.com.cn @yahoo.cn @sohu.com 搜狐 @tom.com @188.com @21cn.com @yeah.net 百度帐号 ChinaRen校友录 人人网 51.com --在弹出页登录-- @qq.com @gmail.com @hotmail.com @139.com 密码 登录 网 页 MP3 视 频 图 片 贴 吧 知 道 新 闻 更 多 空 间 百 科 有 啊 地 图 财 经 词 典 说说您平时如何保护电脑安全? 百度一下 ? DynamicForm.tab(G("webTab"),"web","stop") 我喜欢的网站: 我定制的网站: 娱乐休闲 音乐 视频 游戏 电影 新闻 小说 军事 图片 动漫 星座 体育 NBA 交友 明星 社区 搞笑 生活服务 天气 彩票 查询 手机 股票 基金 银行 移动 房产 菜谱 汽车 地图 健康 两性 女性 时尚 儿童 电视 旅游 购物 大学 招聘 宠物 保险 地方网站 北京 上海 广东 湖北 山东 广西 湖南 四川 江苏 河南 河北 山西 浙江 辽宁 安徽 福建 陕西 黑龙江 更多 ? 电脑网络 软件 邮箱 空间 杀毒 闪游 硬件 桌面 聊天 其他 摄影 英语 考试 教学 曲艺 琴棋 行业 国外 法律 * 公益 百 度 新 浪 腾 讯 搜 狐 网 易 谷 歌 凤 凰 网 央 视 网 新 华 网 人 民 网 中国移动 中国*网 人 人 网 开 心 网 湖南卫视 汽车之家 赶 集 网 太平洋电脑网 东方财富 中华英才网 中 彩 网 赛 尔 号 智联招聘 携程旅行网 百度有啊 百 姓 网 360安全卫士 淘 宝 网 51个人空间 工商银行 永恒之塔 天龙八部 中关村在线 安居客房产网 太平洋汽车网 去哪儿网 京东网上商城 乐淘族鞋城 前程无忧人才网 卓越网上购物 当当网上购物 世纪佳缘交友 趣 玩 百 货 网   艺龙旅行网   到到酒店网   蜀门Online   好乐买鞋城   淘宝皇冠店   No5化妆品   名鞋库鞋城   酷讯飞机票 小 说 起点 小说阅读网 潇湘书院 红袖添香 逐浪小说网 新浪读书 言情小说吧 更多 ? 游 戏 17173 小游戏 天龙八部 7k7k游戏 魔域 征途 问道 刀剑英雄2 更多 ? 新 闻 新浪新闻 搜狐新闻 新华网 联合早报 路透中文网 中国网 更多 ? 军 事 中华网军事 新浪军事 网易军事 铁血军事 凤凰网军事 国防部 更多 ? 音 乐 QQ163音乐网 一听音乐 爱听音乐 可可西音乐 百度MP3 酷我音乐盒 更多 ? 邮 箱 163邮箱 雅虎邮箱 126邮箱 新浪邮箱 QQ邮箱 Hotmail 139邮箱 更多 ? 视 频 优酷网 土豆网 新浪视频 酷6网 迅雷看看 PPLive 风行影视 更多 ? 闪 游 4399游戏 三国风云 武侠风云 天书奇谈 摩尔庄园 265G游戏 明朝时代 更多 ? 软 件 天空软件 华军软件 非凡软件 中关村下载 太平洋下载 新浪下载 更多 ? 社 区 百度贴吧 天涯社区 QQ校友 猫扑 白社会 新浪微博 更多 ? 财 经 东方财富 FT中文网 金融界 华尔街日报 新浪财经 百度财经 更多 ? 交 友 世纪佳缘 珍爱婚恋网 嫁我网 360圈交友 9158交友 百合网 绝对100 更多 ? 硬 件 太平洋电脑网 中关村在线 泡泡网 IT168网 电脑之家 天极网 更多 ? 空 间 QQ空间 网易博客 新浪博客 51博客 百度空间 搜狐博客 更多 ? 银 行 工商银行 招商银行 农业银行 建设银行 中国银行 交通银行 更多 ? 体 育 新浪体育 搜狐体育 中国体彩网 NBA中文网 虎扑体育 网易体育 体坛网 更多 ? 购 物 当当网 红孩子商城 京东商城 逛街网 鲜花礼品网 卓越网 百度有啊 更多 ? 手 机 新浪手机 手机世界 泡泡手机 ZOL手机 太平洋手机 手机中国 139说客 更多 ? 招 聘 中华英才网 前程无忧 智联招聘 中国人才热线 上海第一招聘 大街招聘网 更多 ? 汽 车 太平洋汽车 新浪汽车 汽车之家 易车网 车168网 网上车市 爱卡汽车网 更多 ? 酷 站 Qunar机票 新浪女性 互动百科 女人志 千寻服饰 爱美女性 国家公务员网 更多 ? 生 活 58同城生活 我爱打折网 瑞丽 搜房网 百姓网 安居客 太平洋亲子网 更多 ? 实用查询 :快递 手机号码 天气 身份证 航班 列车时刻 在线翻译 万年历 IP地址 繁体字 解梦 基金净值 网速 网页QQ 运程 更多 ? 常用软件 :迅雷 暴风影音 QQ WinRAR 360卫士 搜狗拼音 千千静听 大智慧 飞信 酷狗 驱动精灵 在线杀毒 PPS MSN UUSee 更多 ? 游戏专区 :魔兽世界 DNF 梦幻西游 奥比岛 牧场ONWEB 武林英雄 商业大亨 蜀门 穿越火线 赛尔号 口袋精灵2 91玩游戏 5173 连连看 QQ炫舞 冒险岛 跑跑卡丁车 QQ飞车 诛仙2 开心农场 彩虹岛 武林外传 神鬼传奇 反恐精英ol 街头篮球 丝路英雄 英雄之城 更多 ? 关键字: 百度一下 百度 Google 狗狗 地图 百科 站内 关于hao123 --主页修复 --网站提交 --挑错有礼 --宽屏版 --百度版 京ICP证030173号 randomPlay();
hao123?????????????÷?? Config.FormConfig.web.content = '<a href="http://www.baidu.com/s?wd=%BD%D7%CC%DD%CA%BD%B5%E7%BC%DB&tn=sitehao123">阶梯式电价</a>&nbsp;&nbsp;&nbsp;<a href="http://top.baidu.com/once/index2.html?c=0&s=1">风云榜 &raquo;</a>&nbsp;&nbsp;';Config.FormConfig.tieba.content = '<a href="http://tieba.baidu.com/f?kw=%B0%AC%B7%F0%C9%AD">艾佛森</a>&nbsp;&nbsp;&nbsp;<a href="http://tieba.baidu.com/f?kw=%BB%F0%D3%B0%C8%CC%D5%DF">火影忍者</a>&nbsp;&nbsp;&nbsp;<a href="daquan/02tieba.htm">更多 &raquo;</a>&nbsp;&nbsp;';Config.FormConfig.zhidao.content = '<a href="http://zhidao.baidu.com/question/75035132.html">雾是怎样形成的?</a>&nbsp;&nbsp;&nbsp;<a href="http://zhidao.baidu.com/q?ct=21&cm=14&rn=25&tn=ikcommend">更多 &raquo;</a>&nbsp;&nbsp;';Config.FormConfig.mp3.content = '<a href="http://mp3.baidu.com/m?f=ms&rf=idx&tn=baidump3&ct=134217728&lf=&rn=&word=%BF%B4%B5%C3%D7%EE%D4%B6%B5%C4%B5%D8%B7%BD&lm=-1">看得最远的地方</a>&nbsp;&nbsp;&nbsp;<a href="http://mp3.baidu.com/m?f=ms&rf=idx&tn=baidump3&ct=134217728&lf=&rn=&word=%C4%BE%C0%BC%D0%C7&lm=-1">木兰星</a>&nbsp;&nbsp;&nbsp;<a href="http://list.mp3.baidu.com/list/topmp3.html"><font class=blackfont>更多 &raquo;</font></a>&nbsp;&nbsp;';Config.FormConfig.image.content = '<a href="http://image.baidu.com/i?ct=201326592&cl=2&lm=-1&tn=baiduimage&pv=&word=%B0%AC%B7%F0%C9%AD&s=0">艾佛森</a>&nbsp;&nbsp;&nbsp;<a href="http://image.baidu.com/i?ct=201326592&cl=2&lm=-1&tn=baiduimage&pv=&z=0&word=%C1%F5%D2%E0%B7%C6&s=0">刘亦菲</a>&nbsp;&nbsp;&nbsp;<a href="http://image.baidu.com/i?ct=201326592&cl=2&lm=-1&tn=baiduimage&pv=&z=0&word=%C0%EE%D3%EE%B4%BA&s=0">李宇春</a>&nbsp;&nbsp;&nbsp;<a href="http://www.baidu.com/search/image_wallpaper.html">更多 &raquo;</a>&nbsp;&nbsp;';Config.FormConfig.video.content = '<a href="http://video.baidu.com/v?word=%B9%AC%D0%C4%BC%C6">宫心计</a>&nbsp;&nbsp;&nbsp;<a href="2012&nbsp;&nbsp;&nbsp;http://video.baidu.com/v?word=2012">2012</a>&nbsp;&nbsp;&nbsp;<a href="http://list.video.baidu.com/videostar.html">更多 &raquo;</a>&nbsp;&nbsp;';Config.FormConfig.news.content = '<a href="http://news.baidu.com/ns?word=%BD%D7%CC%DD%CA%BD%B5%E7%BC%DB">阶梯式电价</a>&nbsp;&nbsp;&nbsp;<a href="http://news.baidu.com/">更多 &raquo;</a>&nbsp;&nbsp;'; ?????? 设为主页 主页修复 我的hao123 网友留言 帐号 邮箱 --请选择-- @163.com 网易 @126.com 网易 @sina.com 新浪 @yahoo.com.cn @yahoo.cn @sohu.com 搜狐 @tom.com @188.com @21cn.com @yeah.net 百度帐号 ChinaRen校友录 人人网 51.com --在弹出页登录-- @qq.com @gmail.com @hotmail.com @139.com 密码 登录 网 页 MP3 视 频 图 片 贴 吧 知 道 新 闻 更 多 空 间 百 科 有 啊 地 图 财 经 词 典 说说您平时如何保护电脑安全? 百度一下 ? DynamicForm.tab(G("webTab"),"web","stop") 我喜欢的网站: 我定制的网站: 娱乐休闲 音乐 视频 游戏 电影 新闻 小说 军事 图片 动漫 星座 体育 NBA 交友 明星 社区 搞笑 生活服务 天气 彩票 查询 手机 股票 基金 银行 移动 房产 菜谱 汽车 地图 健康 两性 女性 时尚 儿童 电视 旅游 购物 大学 招聘 宠物 保险 地方网站 北京 上海 广东 湖北 山东 广西 湖南 四川 江苏 河南 河北 山西 浙江 辽宁 安徽 福建 陕西 黑龙江 更多 ? 电脑网络 软件 邮箱 空间 杀毒 闪游 硬件 桌面 聊天 其他 摄影 英语 考试 教学 曲艺 琴棋 行业 国外 法律 * 公益 百 度 新 浪 腾 讯 搜 狐 网 易 谷 歌 凤 凰 网 央 视 网 新 华 网 人 民 网 中国移动 中国*网 人 人 网 开 心 网 湖南卫视 汽车之家 赶 集 网 太平洋电脑网 东方财富 中华英才网 中 彩 网 赛 尔 号 智联招聘 携程旅行网 百度有啊 百 姓 网 360安全卫士 淘 宝 网 51个人空间 工商银行 永恒之塔 天龙八部 中关村在线 安居客房产网 太平洋汽车网 去哪儿网 京东网上商城 乐淘族鞋城 前程无忧人才网 卓越网上购物 当当网上购物 世纪佳缘交友                  趣 玩 百 货 网 艺龙旅行网 到到酒店网 蜀门Online 好乐买鞋城 淘宝皇冠店 No5化妆品 名鞋库鞋城 酷讯飞机票 小 说 起点 小说阅读网 潇湘书院 红袖添香 逐浪小说网 新浪读书 言情小说吧 更多 ? 游 戏 17173 小游戏 天龙八部 7k7k游戏 魔域 征途 问道 刀剑英雄2 更多 ? 新 闻 新浪新闻 搜狐新闻 新华网 联合早报 路透中文网 中国网 更多 ? 军 事 中华网军事 新浪军事 网易军事 铁血军事 凤凰网军事 国防部 更多 ? 音 乐 QQ163音乐网 一听音乐 爱听音乐 可可西音乐 百度MP3 酷我音乐盒 更多 ? 邮 箱 163邮箱 雅虎邮箱 126邮箱 新浪邮箱 QQ邮箱 Hotmail 139邮箱 更多 ? 视 频 优酷网 土豆网 新浪视频 酷6网 迅雷看看 PPLive 风行影视 更多 ? 闪 游 4399游戏 三国风云 武侠风云 天书奇谈 摩尔庄园 265G游戏 明朝时代 更多 ? 软 件 天空软件 华军软件 非凡软件 中关村下载 太平洋下载 新浪下载 更多 ? 社 区 百度贴吧 天涯社区 QQ校友 猫扑 白社会 新浪微博 更多 ? 财 经 东方财富 FT中文网 金融界 华尔街日报 新浪财经 百度财经 更多 ? 交 友 世纪佳缘 珍爱婚恋网 嫁我网 360圈交友 9158交友 百合网 绝对100 更多 ? 硬 件 太平洋电脑网 中关村在线 泡泡网 IT168网 电脑之家 天极网 更多 ? 空 间 QQ空间 网易博客 新浪博客 51博客 百度空间 搜狐博客 更多 ? 银 行 工商银行 招商银行 农业银行 建设银行 中国银行 交通银行 更多 ? 体 育 新浪体育 搜狐体育 中国体彩网 NBA中文网 虎扑体育 网易体育 体坛网 更多 ? 购 物 当当网 红孩子商城 京东商城 逛街网 鲜花礼品网 卓越网 百度有啊 更多 ? 手 机 新浪手机 手机世界 泡泡手机 ZOL手机 太平洋手机 手机中国 139说客 更多 ? 招 聘 中华英才网 前程无忧 智联招聘 中国人才热线 上海第一招聘 大街招聘网 更多 ? 汽 车 太平洋汽车 新浪汽车 汽车之家 易车网 车168网 网上车市 爱卡汽车网 更多 ? 酷 站 Qunar机票 新浪女性 互动百科 女人志 千寻服饰 爱美女性 国家公务员网 更多 ? 生 活 58同城生活 我爱打折网 瑞丽 搜房网 百姓网 安居客 太平洋亲子网 更多 ? : 实用查询 快递 手机号码 天气 身份证 航班 列车时刻 在线翻译 万年历 IP地址 繁体字 解梦 基金净值 网速 网页QQ 运程 更多 ? : 常用软件 迅雷 暴风影音 QQ WinRAR 360卫士 搜狗拼音 千千静听 大智慧 飞信 酷狗 驱动精灵 在线杀毒 PPS MSN UUSee 更多 ? : 游戏专区 魔兽世界 DNF 梦幻西游 奥比岛 牧场ONWEB 武林英雄 商业大亨 蜀门 穿越火线 赛尔号 口袋精灵2 91玩游戏 5173 连连看 QQ炫舞 冒险岛 跑跑卡丁车 QQ飞车 诛仙2 开心农场 彩虹岛 武林外传 神鬼传奇 反恐精英ol 街头篮球 丝路英雄 英雄之城 更多 ? 关键字: 百度一下 百度 Google 狗狗 地图 百科 站内 ---------- 关于hao123 主页修复 网站提交 挑错有礼 宽屏版 百度版 京ICP证030173号 randomPlay();