htmlparser

簡介

htmlparser   是一個純的java寫的html（標準通用標記語言下的一個套用）解析的庫，它不依賴於其它的java庫檔案，主要用於改造或

提取html。它能超高速解析html，而且不會出錯。現在htmlparser最新版本為2.1。

毫不誇張地說，htmlparser就是目前最好的html解析和分析的工具。

無論你是想抓取網頁數據還是改造html的內容，用了htmlparser絕對會忍不住稱讚。

基本功能

1、信息提取

• 文本信息抽取，例如對HTML進行有效信息搜尋；

• 連結提取，用於自動給頁面的連結文本加上連結的標籤；

• 資源提取，例如對一些圖片、聲音的資源的處理；

• 連結檢查，用於檢查HTML中的連結是否有效；

• 頁面內容的監控。

2、信息轉換

• 連結重寫，用於修改頁面中的所有超連結；

• 網頁內容拷貝，用於將網頁內容保存到本地；

• 內容檢驗，可以用來過濾網頁上一些令人不愉快的字詞；

• HTML信息清洗，把本來亂七八糟的HTML信息格式化；

• 轉成XML格式數據。

常用代碼

取得一段html代碼裡面所有的連結的java版本：