用htmlparser解析，怎么拿不到子标签的理想对象？

最近写一个小爬虫， 用的htmlparser来解析HTML， 不过， 在解析Object标签时有些不方便，不能准确地拿到子标签对应的理想对象。 

 

下面这样的一段HTML， 

 

<object classid="clsid:d27cdb6e-ae6d-11cf-96b8-444553540000"
		codebase="http://download.macromedia.com/pub/shockwave/cabs/flash/swflash.cab#version=6,0,40,0"
		height="406" width="980">
		<param name="quality" value="high" />
		<param name="movie" value="/flash/index.swf" />
		<param name="quality" value="high" />
		<param name="wmode" value="transparent" />
		<param name="movie" value="/flash/index.swf" />
		<embed height="406" pluginspage="http://www.macromedia.com/go/getflashplayer"
			quality="high" src="/flashRepository/d973f054-ae5d-453d-bbfb-9b9c825fd7df"
			type="application/x-shockwave-flash" width="980" wmode="transparent"></embed>
</object>

 

 

我用HtmlParser解析后， 可以成功地拿到Object标签对应的对象， 可再往下就拿不到了， Param和Embed标签都是TagNode类型的， 而不是我想要的ParamTag和EmbedTag，这两个类的实现在下面， 是我自己定义的。

 

 

解析的代码是这样的：

 

 

 

PrototypicalNodeFactory factory = new PrototypicalNodeFactory();
        factory.registerTag(new LocalObjectTag());
        factory.registerTag(new EmbedTag());
        factory.registerTag(new ParamTag());
        
        Parser parser = new Parser();
    	parser.setNodeFactory(factory);
    	try {
			parser.setInputHTML(testHTML);
		} catch (ParserException e) {
			e.printStackTrace();
		}
		parser.setFeedback(new DefaultParserFeedback(DefaultParserFeedback.QUIET));
		
		NodeFilter[] srcFilters = { new NodeClassFilter(EmbedTag.class), 
				new NodeClassFilter(LocalObjectTag.class),new NodeClassFilter(ParamTag.class) };
		
		

		OrFilter linkFilter = new OrFilter(srcFilters);
		// 得到所有经过过滤的标签
		try {
			NodeList list = parser.extractAllNodesThatMatch(linkFilter);
			
			for (int i = 0; i < list.size(); i++) {
				Node n = list.elementAt(i);
				if (n instanceof ParamTag) {
					ParamTag p = (ParamTag) n;
					System.out.println("src: " + p.getSrc());
				}
			}
			
		} catch (ParserException e) {
			e.printStackTrace();
		}
		
		System.out.println("exit");

 

 

由于Parser里没有自带的EmbedTag和ParamTag， 我自写了这两个类。 

 

public class ParamTag extends CompositeTag {
	
	public String getSrc() {
		String result = null;

		
		//先看data属性里有没有值。
		String srcValue = getAttribute("SRC");
		if (StringUtils.isNotBlank(srcValue)) {
			return getPage ().getAbsoluteURL (srcValue);
		}
		
		return result;
	}
	
	public boolean isMovie() {
		return null != getAttribute("MOVIE");
	}
}


public class EmbedTag extends CompositeTag {
	
	public String getSrc() {
		String result = null;

		//先看data属性里有没有值。
		String srcValue = getAttribute("SRC");
		if (StringUtils.isNotBlank(srcValue)) {
			return getPage ().getAbsoluteURL (srcValue);
		}
		
		return result;
	}
}

 

 另， 为了方便地使用ObjectTag， 我又继承了下， 搞了个新类LocalObjectTag。

public class LocalObjectTag extends ObjectTag {
	
	public String extractUrl() {
		String result = null; 

		//先看data属性里有没有值。
		String dataValue = getAttribute("data");
		if (StringUtils.isNotBlank(dataValue)) {
			return getPage ().getAbsoluteURL (dataValue);
		}
		
		result = fromChildren();
		if (StringUtils.isNotBlank(result)) {
			return result;
		}
		
		return result;
	}

	
	private String fromChildren() {
		String result = null;
		NodeList nList = this.getChildren();
		for(int i=0;i<nList.size();i++) {
			Node n = nList.elementAt(i);
			
			if (n instanceof TagNode) {
				TagNode tNode = (TagNode)n;
				String value = tNode.getAttribute("VALUE");
				String nameAttri = tNode.getAttribute("name");
				
				if (StringUtils.isNotBlank(value) && "movie".equalsIgnoreCase(nameAttri)) {
					return value;
				}
				
				String src = tNode.getAttribute("src");
				String name = tNode.getTagName();
				if (StringUtils.isNotBlank(src) && "embed".equalsIgnoreCase(name)) {
					return src;
				}
			}
		}
		
		return result;
	}

}

 

在解析前， 我用这样的设置

	PrototypicalNodeFactory factory = new PrototypicalNodeFactory();
        factory.registerTag(new LocalObjectTag());
        factory.registerTag(new EmbedTag());
        factory.registerTag(new ParamTag());

 

光这样还不够？ 请问还需要有什么特殊设置么？