java解析html代码 java解析html内容

使用java怎么读取html文件内容

java可以使用jsoup、htmlparser等工具进行html的读取和解析，以下是详细说明：

创新互联公司坚持“要么做到，要么别承诺”的工作理念，服务领域包括：成都做网站、成都网站设计、企业官网、英文网站、手机端网站、网站推广等服务，满足客户于互联网时代的乐昌网站设计、移动媒体设计的需求，帮助企业找到有效的互联网解决方案。努力成为您成熟可靠的网络建设合作伙伴！

1、jsoup 是一款 Java 的HTML 解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于JQuery的操作方法来取出和操作数据。据说它是基于MIT协议发布的。

jsoup的主要功能如下：

从一个URL，文件或字符串中解析HTML；

使用DOM或CSS选择器来查找、取出数据；

可操作HTML元素、属性、文本；

示例代码：

Document doc = Jsoup.parse(input, "UTF-8", "");

Element content = doc.getElementById("content");

Elements links = content.getElementsByTag("a");

for (Element link : links) {

String linkHref = link.attr("href");

String linkText = link.text();

}

java中解析html代码提取字符串

package test;

public class JButtonTest

{

public static void main ( String[] args )

{

String regex = "[\\s\\S]+\\property\\s+name[\\=\'\"]+label[^\\]+\\([^\\]+)\\\\/property\\[\\s\\S]*";

String input = "property name=\"name\"\r\nprojectNo\r\n/property\r\nproperty name=\"property\"\r\n projectNo\r\n/property\r\nproperty name=\"label\"\r\n 项目编号\r\n/property\r\neditor /";

System.out.println (input.replaceAll (regex, "$1"));

}

}

java解析html是jsoup还是htmlparse还是其他的什么

用jsoup解析html或者htmlparse，不过比较难用，jsoup是jquery语法比较方便。

JAVA解析html

吧源文件找到，去掉html的符号就可以啦。给你看一段我写的，写的不好，还得改呢(*^__^*) 嘻嘻……：

public String HtmlToTextGb2312(String inputString)

{

String htmlStr = inputString; //含html标签的字符串

String textStr ="";

Pattern p_script;

Matcher m_script;

Pattern p_style;

Matcher m_style;

Pattern p_html;

Matcher m_html;

Pattern p_houhtml;

Matcher m_houhtml;

Pattern p_spe;

Matcher m_spe;

Pattern p_blank;

Matcher m_blank;

Pattern p_table;

Matcher m_table;

Pattern p_enter;

Matcher m_enter;

try {

String regEx_script = "[\\s]*?script[^]*?[\\s\\S]*?[\\s]*?\\/[\\s]*?script[\\s]*?";

//定义script的正则表达式.

String regEx_style = "[\\s]*?style[^]*?[\\s\\S]*?[\\s]*?\\/[\\s]*?style[\\s]*?";

//定义style的正则表达式.

String regEx_html = "[^]+";

//定义HTML标签的正则表达式

String regEx_houhtml = "/[^]+";

//定义HTML标签的正则表达式

String regEx_spe="\\[^;]+;";

//定义特殊符号的正则表达式

String regEx_blank=" +";

//定义多个空格的正则表达式

String regEx_table="\t+";

//定义多个制表符的正则表达式

String regEx_enter="\n+";

//定义多个回车的正则表达式

p_script = Pattern.compile(regEx_script,Pattern.CASE_INSENSITIVE);

m_script = p_script.matcher(htmlStr);

htmlStr = m_script.replaceAll(""); //过滤script标签

p_style = Pattern.compile(regEx_style,Pattern.CASE_INSENSITIVE);

m_style = p_style.matcher(htmlStr);

htmlStr = m_style.replaceAll(""); //过滤style标签

p_html = Pattern.compile(regEx_html,Pattern.CASE_INSENSITIVE);

m_html = p_html.matcher(htmlStr);

htmlStr = m_html.replaceAll(""); //过滤html标签

p_houhtml = Pattern.compile(regEx_houhtml,Pattern.CASE_INSENSITIVE);

m_houhtml = p_houhtml.matcher(htmlStr);

htmlStr = m_houhtml.replaceAll(""); //过滤html标签

p_spe = Pattern.compile(regEx_spe,Pattern.CASE_INSENSITIVE);

m_spe = p_spe.matcher(htmlStr);

htmlStr = m_spe.replaceAll(""); //过滤特殊符号

p_blank = Pattern.compile(regEx_blank,Pattern.CASE_INSENSITIVE);

m_blank = p_blank.matcher(htmlStr);

htmlStr = m_blank.replaceAll(" "); //过滤过多的空格

p_table = Pattern.compile(regEx_table,Pattern.CASE_INSENSITIVE);

m_table = p_table.matcher(htmlStr);

htmlStr = m_table.replaceAll(" "); //过滤过多的制表符

p_enter = Pattern.compile(regEx_enter,Pattern.CASE_INSENSITIVE);

m_enter = p_enter.matcher(htmlStr);

htmlStr = m_enter.replaceAll(" "); //过滤过多的制表符

textStr = htmlStr;

}catch(Exception e)

{

System.err.println("Html2Text: " + e.getMessage());

}

return textStr;//返回文本字符串

}

Java解析html问题

感觉上你这里应该是有点问题的：

一、你在while判断的时候会让reader往后读一行的数据；然后在里面执行的时候又走一行；这就可能出现原本你的while里面判断的时候有值，但是在里面执行的时候已经没有值了。

二、如果你的文件里面有一行是空的，不满足while的条件，是不是程序到这里就被中断了呢？

其他的问题也没有发现什么。你看一下吧。

java如何解析html文档

import java.io.*;

import java.util.*;

import javax.swing.text.*;

import javax.swing.text.html.*;

import javax.swing.text.html.parser.*;

import javax.swing.text.html.HTMLEditorKit.ParserCallback;

public class Parser extends ParserCallback {    //继承ParserCallback，解析结果驱动这些回调方法

protected String base;

protected boolean isImg = false;

protected boolean isParagraph = false;

protected static VectorString element = new VectorString();

protected static String paragraphText = new String();

public Parser() {

}

public static String getParagraphText() {

return paragraphText;

}

public void handleComment(char[] data, int pos) {

}

public void handleEndTag(HTML.Tag t, int pos) {

if (t == HTML.Tag.P) {

if (isParagraph) {

isParagraph = false;

}

} else if (t == HTML.Tag.IMG) {

if (isImg) {

isImg = false;

}

}

}

public void handleError(String errorMsg, int pos) {

}

public void handleSimpleTag(HTML.Tag t, MutableAttributeSet a, int pos) {

handleStartTag(t, a, pos);

}

public void handleStartTag(HTML.Tag t, MutableAttributeSet a, int pos) {

if (t == HTML.Tag.P) {

isParagraph = true;

} else if ((t == HTML.Tag.IMG)) {

String src = (String) a.getAttribute(HTML.Attribute.SRC);

if (src != null) {

element.addElement(src);

isImg = true;

}

}

}

public void handleText(char[] data, int pos) {

if (isParagraph) {

String tempParagraphText = new String(data);

if (paragraphText != null) {

element.addElement(tempParagraphText);

;

}

}

}

private static void startParse(String sHtml) {

try {

ParserDelegator ps = new ParserDelegator();//负责每次在调用其 parse 方法时启动一个新的 DocumentParser

HTMLEditorKit.ParserCallback parser = new Parser();//解析结果驱动这些回调方法。

ps.parse(new StringReader(sHtml), parser, true);//解析给定的流并通过解析的结果驱动给定的回调。

//System.out.println(getParagraphText());

Vector link = element;

for (int i = 0; i  link.size(); i++) {

System.out.println("----haha-----");

System.out.println(link.get(i));

}

} catch (Exception e) {

e.printStackTrace();

}

}

public static void main(String args[]) {

try {

String filename = "D://blogbaby.htm";

BufferedReader brd = new BufferedReader(new FileReader(filename));

char[] str = new char[50000];

brd.read(str);

String sHtml = new String(str);

startParse(sHtml);

} catch (Exception e) {

e.printStackTrace();

}

}

}