HtmlParser学习笔记（二）-- 遍历结点
这次主要演示下，如何迭代一个Node结点的所有根子结点。
首先 ，先来看下需要解析的html页面的内容，该文件命名为htmlparser.html，详细内容如下所示（该页面以后将会多次使用）：
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> <html xmlns="http://www.w3.org/1999/xhtml"> <head> <meta http-equiv="Content-Type" content="text/html; charset=gb2312" /> <title>百度-title</title> </head> <body> <!-- 注意：换行符对解析的影响！ --> <table> <tr> <td> td-c1 </td> </tr> <tr> <td> td-c2 </td> </tr> </table> <table><tr><td>td-a1</td></tr><tr><td>td-a2</td></tr></table> <table><tr><td>td-b1</td></tr><tr><td>td-b2</td></tr></table> </body> </html>
注 ：由于页面采用的url方式访问，所以要先用myeclipse建立个空的web工程，然后把该页面放到该工程下，部署该工程后，启动tomcat即可。接下来就可以使用下面的代码来进行解析了。
接着 ，来看下具体解析的例子，先把例子运行起来，然后我们再来分析结果，详细代码如下：
package com.javaeye.suo.htmlparser.samples;
import org.htmlparser.Node;
import org.htmlparser.Parser;
import org.htmlparser.util.NodeIterator;
import org.htmlparser.util.NodeList;
import org.htmlparser.util.ParserException;
import com.javaeye.suo.htmlparser.HtmlParserUtils;
import com.javaeye.suo.htmlparser.UrlToStringUtil;;
public class IteratorDemo {
/**
* 迭代一个Node结点的所有根子结点
* @param parser
*/
public void listAll(Parser parser) {
try {
NodeIterator nodeIterator = parser.elements();
while( nodeIterator.hasMoreNodes()) {
System.out.println("======================================");
Node node = nodeIterator.nextNode();
System.out.println("getText():" + node.getText());
System.out.println("toHtml():" + node.toHtml());
}
} catch (ParserException e) {
e.printStackTrace();
}
}
public static void main(String[] args) {
String urlStr = "http://localhost:8080/HtmlParser/htmlparser.html";
//HtmlParserUtils类为自己提炼的一个公用类，详细代码将会在后面提供。
Parser parser = HtmlParserUtils.getParserWithUrlConn(urlStr, "utf-8");
IteratorDemo it = new IteratorDemo();
it.listAll(parser);
}
}
运行结果 ：
1、=============================================== getText():!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd" toHtml():<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> 2、=============================================== getText(): toHtml(): 3、=============================================== getText():html xmlns="http://www.w3.org/1999/xhtml" toHtml():<html xmlns="http://www.w3.org/1999/xhtml"> <head> <meta http-equiv="Content-Type" content="text/html; charset=gb2312" /> <title>百度-title</title> </head> <body> <div id="outter"> <div id="inner"> <!--这是注释--> 百度-div-inner <a href="http://www.baidu.com">百度-A</a> </div> 百度-div-outter </div> <!-- 注意：换行符对解析的影响！ --> <table> <tr> <td> td-c1 </td> </tr> <tr> <td> td-c2 </td> </tr> </table> <table><tr><td>td-a1</td></tr><tr><td>td-a2</td></tr></table> <table><tr><td>td-b1</td></tr><tr><td>td-b2</td></tr></table> </body> </html>
分析 ：
这个demo的目的主要是让大家对htmlparser包有个初步的认识，所以代码比较简单。另外，这里有些需要注意的方法，如下：
1、node.getText()返回该结点标签的内容，也就是尖括号<>内的内容，包括了标签的属性。
2、大家仔细观察第二个node.getText()输出，会发现这里输出的内容都是空白，这是因为htmlparser在解析html时，对所有换行符也进行了解析，所以要特别注意，这点尤其在使用node.getFirstChild()等方法时需要注意。