package com.yesky.wstsearch.common;

import java.io.BufferedReader;
import java.io.File;
import java.io.FileInputStream;
import java.io.InputStreamReader;
import java.util.regex.Pattern;
/**
 * 
 * 
@author yu
 * readFile(id) 输入id 读取id_* 的内容,去掉了html标签
 
*/
public class FileToCon {
    
/**
     * 读取文件内容
     
*/
    
public static StringBuffer readFileContent(File file) {
        
try {
            BufferedReader reader 
= new BufferedReader(new InputStreamReader(new FileInputStream(file)));
            StringBuffer content 
= new StringBuffer();

            
for (String line = null; (line = reader.readLine()) != null;) {
                content.append(line).append(
"\n");
            }

            
return content;
        } 
catch (Exception e) {
            
throw new RuntimeException(e);
        }
    }

    
public static String Html2Text(String inputString) {
        String htmlStr 
= inputString; // 含html标签的字符串
        String textStr = "";
        java.util.regex.Pattern p_script;
        java.util.regex.Matcher m_script;
        java.util.regex.Pattern p_style;
        java.util.regex.Matcher m_style;
        java.util.regex.Pattern p_html;
        java.util.regex.Matcher m_html;

        java.util.regex.Pattern p_html1;
        java.util.regex.Matcher m_html1;

        
try {
            String regEx_script 
= "<[\\s]*?script[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?script[\\s]*?>"// 定义script的正则表达式{或<script[^>]*?>[\\s\\S]*?<\\/script>
            
// }
            String regEx_style = "<[\\s]*?style[^>]*?>[\\s\\S]*?<[\\s]*?\\/[\\s]*?style[\\s]*?>"// 定义style的正则表达式{或<style[^>]*?>[\\s\\S]*?<\\/style>
            
// }
            String regEx_html = "<[^>]+>"// 定义HTML标签的正则表达式
            String regEx_html1 = "<[^>]+";
            p_script 
= Pattern.compile(regEx_script, Pattern.CASE_INSENSITIVE);
            m_script 
= p_script.matcher(htmlStr);
            htmlStr 
= m_script.replaceAll(""); // 过滤script标签

            p_style 
= Pattern.compile(regEx_style, Pattern.CASE_INSENSITIVE);
            m_style 
= p_style.matcher(htmlStr);
            htmlStr 
= m_style.replaceAll(""); // 过滤style标签

            p_html 
= Pattern.compile(regEx_html, Pattern.CASE_INSENSITIVE);
            m_html 
= p_html.matcher(htmlStr);
            htmlStr 
= m_html.replaceAll(""); // 过滤html标签

            p_html1 
= Pattern.compile(regEx_html1, Pattern.CASE_INSENSITIVE);
            m_html1 
= p_html1.matcher(htmlStr);
            htmlStr 
= m_html1.replaceAll(""); // 过滤html标签

            textStr 
= htmlStr;

        } 
catch (Exception e) {
            System.err.println(
"Html2Text: " + e.getMessage());
        }

        
return textStr;// 返回文本字符串
    }

    
public static String readFile(long id) {
        StringBuffer aa 
= new StringBuffer();
        
for (int j = 1; j < 11; j++) {
            String filePath1 
= "e:/home00/art/"+ id%500+"/"+id+"_" + j + ".html";

            File file 
= new File(filePath1);
            
if (file.exists()) {
                aa.append(readFileContent(file));
            } 
else {
                
break;
            }
        }
        
return Html2Text(aa.toString());

    }

    
public static void main(String[] args) {
        System.out.println(readFile(
160600));
    
    }
}