java解析html

java解析html

package com.list;

import org.htmlparser.Node;
import org.htmlparser.NodeFilter;
import org.htmlparser.Parser;
import org.htmlparser.tags.LinkTag;
import org.htmlparser.util.NodeList;

import com.yao.http.HttpRequester;
import com.yao.http.HttpRespons;

/**
 * JAVA中使用Htmlparse解析HTML文档，使用htmlparse遍历出HTML文档的所有超链接（<a>标记）。
 * 
 * @author YYmmiinngg 转自其他网站,地址未知
 */
public class bianli {
	public static void main(String[] args) {
		try {
			HttpRequester request = new HttpRequester();
			HttpRespons hr = request
					.sendGet("http://sourceforge.net/p/xamj/patches/43/");

			Parser parser = Parser.createParser(hr.getContent(),
					hr.getContentEncoding());
			try {
				// 通过过滤器过滤出<A>标签
				NodeList nodeList = parser
						.extractAllNodesThatMatch(new NodeFilter() {
							private static final long serialVersionUID = 1L;

							public boolean accept(Node node) {
								// 此处过滤出来 LinkTag ,此处可以过滤任何标签 例如div table
								if (node instanceof LinkTag)

									return true;
								return false;
							}
						});
				for (int i = 0; i < nodeList.size(); i++) {
					LinkTag n = (LinkTag) nodeList.elementAt(i);
					System.out.println(n.extractLink());
				}
			} catch (Exception e) {
				e.printStackTrace();
			}

		} catch (Exception e) {
			e.printStackTrace();
		}
	}
}