Java:HTML解析

我有下面给出的HTML内容。我在这里寻找的标签是

“img src”

和

“！important”

。Java是否提供任何HTML解析技术

<fieldset>
<table cellpadding='0'border='0'cellspacing='0'style="clear :both">
<tr valign='top' ><td width='35' >
<a href='http://mypage.rediff.com/android/32868898'class='space' onmousedown="return
 enc(this,'http://track.rediff.com/clickurl=___http%3A%2F%2Fmypage.rediff.com%2Fandroid%2F3 868898___&service=mypage_feeds&clientip=202.137.232.117&pos=0&feed_id=12942949154d255f839677925642&prc_id=32868898&rowid=2064549114')" >
<div style='width:25px;height:25px;overflow:hidden;'>
<img src='http://socialimg04.rediff.com/image.php?uid=32868898&type=thumb'  width='25'  vspace='0'  /></div></a></td> <td><span>
<a href='http://mypage.rediff.com/android/32868898'  class="space" onmousedown="return enc(this,'http://track.rediff.com/click?url=___http%3A%2F%2Fmypage.rediff.com%2Fandroid%2F32868898___&service=mypage_feeds&clientip=202.137.232.117&pos=0&feed_id=12942949154d255f839677925642&prc_id=32868898&rowid=2064549114')" >Android </a> </span><span style='color:#000000
!important;'>android se updates...</span><div class='divtext'></div></td></tr><tr><td height='5' ></td></tr></table></fieldset><br/>

android se更新…

试试看。这是各种高级测试框架（如HtmlUnit）使用的HTML解析库

NekoHTML是一个简单的HTML扫描仪和标记平衡器，它使应用程序程序员能够解析HTML文档并使用标准XML接口访问信息。解析器可以扫描HTML文件并“修复”人类（和计算机）作者在编写HTML文档时犯的许多常见错误。NekoHTML添加缺少的父元素；使用可选的结束标记自动关闭图元；并且可以处理不匹配的内联元素标记

试试看。这是各种高级测试框架（如HtmlUnit）使用的HTML解析库

NekoHTML是一个简单的HTML扫描仪和标记平衡器，它使应用程序程序员能够解析HTML文档并使用标准XML接口访问信息。解析器可以扫描HTML文件并“修复”人类（和计算机）作者在编写HTML文档时犯的许多常见错误。NekoHTML添加缺少的父元素；使用可选的结束标记自动关闭图元；并且可以处理不匹配的内联元素标记

我用过-这个库有很好的选择器语法(http://jsoup.org/cookbook/extracting-data/selector-syntax)，对于您的问题，您可以使用如下代码：

File input = new File("input.html");
Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");

Elements pngs = doc.select("img[src$=.png]");

我使用了-这个库有很好的选择器语法(http://jsoup.org/cookbook/extracting-data/selector-syntax)，对于您的问题，您可以使用如下代码：

File input = new File("input.html");
Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");

Elements pngs = doc.select("img[src$=.png]");

我喜欢使用杰里科：

它不受格式错误的html、指向不可用位置的链接等的影响

他们的页面上有很多示例，您只需获取所有IMG标记并分析它们的属性，就可以提取出满足您需求的内容。

我喜欢使用Jericho：

它不受格式错误的html、指向不可用位置的链接等的影响

---

他们的页面上有很多例子，你只需要得到所有的IMG标签并分析它们的属性，就可以提取出符合你需要的内容。

@c0mrade他在标题、问题和标签中说Java。@马可人经常把这两种内容混在一起，所以我只是仔细检查一下that@c0mrade他在标题中说Java，问题和标签。@马可人经常把这两种东西混在一起，所以我只是重复检查一下，没有什么害处。对于重要的部分，请澄清问题有一个重要的标签，其中包含一个文本，我需要获取。在您提供的html中，我看不到任何

重要的
标记，对于重要部分，请澄清问题有一个包含文本的重要标记，我需要获取它。在您为“重要”提供的html中，我看不到任何
important
标记。请使用以下代码：doc.getElementsByAttributeValueMatching（字符串键，字符串正则表达式）。在您的案例中，键是“style”（span style=“…！important”），regex是“（！important）”表示“important”，请使用以下代码：doc.getElementsByAttributeValueMatching（String key，String regex）。在本例中，键是“style”（span style=“…！important”），正则表达式是“（！important）”