HtmlParser學習筆記（一）-- 建立Parser對象

標籤：exception   第一個   plain   設定   習慣   網路   throw   介面   .com   

 首先 ，介紹下HTMLParser的核心類，org.htmlparser.Parser類，這個類實際完成了對於HTML頁面的分析工作。主要的建構函式如下：

public Parser ();  public Parser (String resource) throws ParserException;  public Parser (String resource, ParserFeedback feedback) throws ParserException;  public Parser (URLConnection connection) throws ParserException;  public Parser (URLConnection connection, ParserFeedback fb) throws ParserException;  public Parser (Lexer lexer);  public Parser (Lexer lexer, ParserFeedback fb);  

　　

public static Parser createParser (String html, String charset);  

　　

常見的建立Parser的方法， 如下：

   方法一：.通過url提取網路上的網頁

//使用public Parser();建構函式  Parser parser = new Parser();  parser.setURL("http://www.yahoo.com.cn");    //使用public Parser (URLConnection connection) throws ParserException;建構函式  Parser parser = new Parser(                (HttpURLConnection) (new URL("http://www.baidu.com")).openConnection()                      );    org.htmlparser.http.ConnectionManager manager = org.htmlparser.lexer.Page.getConnectionManager();  Parser parser = new Parser(manager.openConnection("http://www.baidu.com"));  parser.setEncoding("GB2312");  

　　 方法二： 提取本地網頁檔案 （通過讀檔案把網頁檔案轉化成字串）

/使用靜態方法  Parser parser=Parser.createParser(html,charset);  

Node中包含的方法有幾類：
對於樹型結構進行遍曆的函數，這些函數最容易理解：
Node getParent ()：取得父節點
NodeList getChildren ()：取得子節點的列表
Node getFirstChild ()：取得第一個子節點
Node getLastChild ()：取得最後一個子節點
Node getPreviousSibling ()：取得前一個兄弟（不好意思，英文是兄弟姐妹，直譯太麻煩而且不符合習慣，對不起女同胞了）
Node getNextSibling ()：取得下一個兄弟節點
取得Node內容的函數：
String getText ()：取得文本
String toPlainTextString()：取得純文字資訊。
String toHtml () ：取得HTML資訊（原始HTML）
String toHtml (boolean verbatim)：取得HTML資訊（原始HTML）
String toString ()：取得字串資訊（原始HTML）
Page getPage ()：取得這個Node對應的Page對象
int getStartPosition ()：取得這個Node在HTML頁面中的起始位置
int getEndPosition ()：取得這個Node在HTML頁面中的結束位置
用於Filter過濾的函數：
void collectInto (NodeList list, NodeFilter filter)：基於filter的條件對於這個節點進行過濾，合格節點放到list中。
用於Visitor遍曆的函數：
void accept (NodeVisitor visitor)：對這個Node應用visitor
用於修改內容的函數，這類用得比較少：
void setPage (Page page)：設定這個Node對應的Page對象
void setText (String text)：設定文本
void setChildren (NodeList children)：設定子節點列表
其他函數：
void doSemanticAction ()：執行這個Node對應的操作（只有少數Tag有對應的操作）
Object clone ()：介面Clone的抽象函數。

HtmlParser學習筆記（一）-- 建立Parser對象