通過xpath擷取html中的特定標籤

package nekohtml;import java.io.IOException;import javax.xml.transform.TransformerException;import org.apache.xpath.XPathAPI;import org.cyberneko.html.parsers.DOMParser;import org.w3c.dom.Document;import org.w3c.dom.NodeList;import org.xml.sax.SAXException;public class NekoHtmlAndXPath {// 通過url，將相應的html解析為DOM文檔public static Document getDocument(String url) {DOMParser parser = new DOMParser();try {parser.parse(url);} catch (SAXException e) {e.printStackTrace();} catch (IOException e) {e.printStackTrace();}Document doc = parser.getDocument();return doc;}// 通過XPath定位具體的節點public static NodeList getExactNode(Document doc, String xp) {NodeList list = null;try {list = XPathAPI.selectNodeList(doc, xp);} catch (TransformerException e) {e.printStackTrace();}return list;}public static void main(String[] args) {String baidu = "http://www.baidu.com/";String bPath = "//HTML//BODY//DIV[2]//P//MAP//AREA";String yyt = "http://www.yinyuetai.com/mv/all?page=1";String yPath = "/HTML/BODY/DIV[6]/DIV/DIV[2]/DIV[2]/DIV[3]/UL/LI/DIV[2]/H3/A";// 將指定的頁面解析為DOM文檔Document doc = getDocument(yyt);// 根據xpath獲得指定的節點NodeList list = getExactNode(doc, yPath);System.out.println("合格結點個數為：" + list.getLength());for (int i = 0; i < list.getLength(); i++) {System.out.println("擷取的節點屬性為："+ list.item(i).getAttributes().getNamedItem("title"));}}}

 用到的jar包：xalan.jar；xercesImpl.jar；nekohtml.jar。

擷取標籤的XPath用到了firebug，有的時候需要做一些轉換，因為firebug把html轉換成了標準的DOM，所以會有極個別的xpath有點小問題。比如說可能會加上tbody標籤，稍作改動即可。