我的蛋壳

倡导自由、开放、分享的Java技术社区 http://www.javaread.com

 

HtmlCleaner,Html解析专家


通常互联网上的HTML页面都是不规则的,非结构化的页面。如果我们需要访问或者抽取里面的内容的话,我们需要分析HTML页面,去除垃圾。
而最近新发布的 HtmlCleaner 就是这样一个工具. 能够帮助我们将HTML 文档 转化为结构化的XML文档。虽然目前已经有了类似这样的工具,但是HtmlCleaner 能够完成几乎所有的HTML转换,而且不到30k,这是他们值得称道的地方。

HtmlCleaner是一个开源的Html文档解析器。HtmlCleaner能够安全的解析和转换web上的HTML到标准的XML,重新排序每个元素,然后生成结构良好(Well-Formed)XML文档。默认它遵循的规则是类似于大部份web浏览器为创文档对象模型所使用的规则。然后,用户可以提供自定义tag和规则组来进行过滤和匹配。它被设计的小,快速,灵活而且独立。HtmlCleaner也可用在Java代码中,当命令行工具或Ant任务。 解析后编程轻量级文档对象,能够很容易的被转换到DOM或者JDom标准文档,或者通过各种方式(压缩,打印)连续输出XML

新版本的重要功能更新包括:
1.HtmlCleaner的文档对象模型现在拥有了一些函数,处理节点和属性,所以现在在序列化之前搜索或者编辑是非常容易的。
2.提供基本HtmlCleaner DOMXPath支持
3.使用XML配置温江让创建定制tag变得更加容易
4.修复多个bug以及API改进

更多详细信息:HTML Parser工具HtmlCleaner 2.0发布



本文作者:javaread.com

posted on 2008-07-17 10:06 javaread.com 阅读(3865) 评论(6)  编辑  收藏

评论

# re: HtmlCleaner,Html解析专家 2008-07-17 10:51 大水牛

昨天试了,感觉还不错  回复  更多评论   

# re: HtmlCleaner,Html解析专家 2008-07-17 11:25 BeanSoft

呵呵 就知道把链接都链到你的网站去 变相广告太多了就不太好了  回复  更多评论   

# re: HtmlCleaner,Html解析专家 2008-07-17 11:40 kenlee14

我可不管那么多,内容对我有用就行了。以前都用htmlparser来解析网页,试试这个东东看看再说。
嘿嘿,不好再回来踩你。  回复  更多评论   

# re: HtmlCleaner,Html解析专家 2008-07-17 12:20 隔叶黄莺

以前用 htmlparser 就是碰到大部分都是不规则的 html 代码,有些没辙,这下好了,来了个新的搭档,估计那些问题都好解决了,标个记,以后需要用到时再回来。  回复  更多评论   

# re: HtmlCleaner,Html解析专家 2008-07-17 12:42 很暴力

建议你的javaread.com上面加个rss,东西不错,我想订阅下,无奈找不到rss订阅地址啊。  回复  更多评论   

# re: HtmlCleaner,Html解析专家[未登录] 2010-04-14 18:53 小毅

请问htmlCleaner 可以模拟 通过用户名和密码来登录么?验证码又怎么处理?  回复  更多评论   


只有注册用户登录后才能发表评论。


网站导航:
 

导航

统计

常用链接

留言簿(3)

随笔档案

Java

友情链接

搜索

最新评论

阅读排行榜

评论排行榜