Нужно пропарсить вебстраницу и извлечь из нее путь к картинке. Никак не могу разобраться с классом HTML Parser. Нужен пример - не могу найти в нете.
6 ответов
А что сложного то?
У них самая обыкновенная документация в JavaDoc. Но даже там можно найти почти все, что нужно. Например:
Typical usage of the parser is:
Parser parser = new Parser ("http://whatever"); NodeList list = parser.parse (null); // do something with your list of nodes.
А потом еще немного посмотреть:
NodeList parse(NodeFilter filter)
NodeFilter
-> вот тут
Все, по-моему, слишком просто.
Не говоря уже об этом
bin/parser http://website_url [tag_name] where tag_name is an optional tag name to be used as a filter, i.e. A - Show only the link tags extracted from the document IMG - Show only the image tags extracted from the document TITLE - Extract the title from the document NOTE: this is also the default program for the htmlparser.jar, so the above could be: java -jar lib/htmlparser.jar http://website_url [tag_name]
UPD:
public static void main(String[] args) {
try {
Parser parser = new Parser("http://www.alliance-bags.ru/catalog.php?tov=576");
parser.setEncoding("windows-1251");
NodeFilter atrb1 = new TagNameFilter("IMG");
NodeList nodeList = parser.parse(atrb1);
for(int i=0; i<nodeList.size(); i++) {
Node node = nodeList.elementAt(i);
System.out.println(node.toHtml());
}
} catch (ParserException e) {
e.printStackTrace();
}
}
-
спасибо попробую отпишусь как получится. jericho.htmlparser.net/docs/index.html\ еще один парсер нашел.– AlexplusCommented 21 мар. 2011 в 8:21
-
-
Все равно не разобрался в синтаксисе. не можешь показать на примере как извлечь путь к картинке в alliance-bags.ru/catalog.php?tov=576 через htmlparser.sourceforge.net Заранее спасибо– AlexplusCommented 21 мар. 2011 в 8:56
-
Смотрите UPD, выводятся все найденные ноды IMG. А там уже выбирайте. Пример работает, но не заслуживает быть примером хорошего стиля программирования.– DexCommented 21 мар. 2011 в 9:24
Для простых случаев можно воспользоваться стандартным API Java. Например, достать файл через HttpURLConnection и найти необходимое с помощью регулярных выражений.
Document doc = Jsoup.connect("http://en.wikipedia.org/").get();
Elements newsHeadlines = doc.select("#mp-itn b a");
Можно использовать стандартные для Java инструменты. Зачем для извлечения пути к картинке использовать дополнительную либу?
Если необходимо единоразово сделать, то можно использовать DOM и XPath. Если же необходимо обработать кучу больших документов, то лучше использовать SAX. Единожды потратив время на разбор этих методов больше никогда не будете знать проблем с разбором не только HTML, но и любых XML документов.
Использование же регулярных выражений для разбора HTML не есть хорошая практика - просто в силу особенности гибкости и необязательности синтаксиса HTML.
-
Как раз особенной гибкости и необязательности синтаксиса HTML нельзя использовать DOM и XPath. Даже SAX. Commented 21 мар. 2011 в 10:39
Посмотрите на этот. Довольно простой принцип работы, поддерживает невалидные страницы. Есть коллекция объектов, замапленых на теги. Очень удобно. Если есть вопросы - спрашивайте.