HTML解析器1.6_HTML Parser 1.6

一个Java库用来解析HTML线性或嵌套的方式

主要用于改造或提取的，它具有过滤器，自定义标签，游客和易于使用JavaBeans。 HTML Parser是一个稳健，快速和行之有效的包。

HTML Parser是一个有用的 的神器出山:www.shenqi73.comJava库，设计HTML转换或提取。

这两个基本使用的解析器处理的情况下，提取和转换（使用的情况下，从头开始创建HTML页面的合成，更好地处理其他工具的数据源）。

在一般情况下，使用的的HTMLParser的，你需要能够在Java编程语言编写的代码。虽然一些示例程序可能是有用的，因为他们的立场，这是更可能你会需要（或想要）创建自己的程序或修改的匹配目标应用程序。

要使用库，你会需要添加的htmllexer.jar或htmlparser.jar，，你的classpath中编译和运行时。在该htmllexer.jar通用的字符串，注释，标签在页面上的节点线性的，平面的，连续的方式提供低级别的访问。

htmlparser.jar，其中包括的类中htmllexer.jar，访问的页面包含字符串，备注和其他标记节点的的嵌套有区别的标记序列。

萃取

提取包含了所有的信息检索方案，是注定不会保留源页面。

这覆盖了使用，如：
·文本提取，用作输入的文本搜索引擎的数据库，例如
·链接提取，爬行通过网页或电子邮件地址收获
·屏幕抓取，网页编程数据输入
·资源开采，采集的图像或声音
·浏览器的前端，页面显示的初步阶段
·链接检查，确保链接是有效的
·现场监测，检查页的差异不能采取简单的diff

有几个设施中的HTMLParser的代码库，以帮助提取，包括过滤器，游客和JavaBeans。

转型

转换包括所有处理中的输入和输出的HTML网页。

一些例子是：
·URL重写，修改的部分或所有页面上的链接
·现场拍摄，将内容从网络到本地磁盘
·审查，从页面中删除违规的单词和短语
·的HTML清理工作，纠正错误页面
·广告切除，切除的URL引用广告
·转换为XML，将现有的网页XML

读期间或之后在一个页面中，节点上的操作可以完成许多转换任务“到位”，然后可以将其输出的toHtml（）方法。根据您的应用程序的目的，你可能会想看看节点的装饰，游客或自定义标签结合的PrototypicalNodeFactory。