从网页中提取内容并使用Java进行比较

我正在开发一个Java项目，其中有一个子模块，我需要从一个网页中提取内容[文本、图像、颜色]，并将其与另一个网页进行比较。我计划使用WinHTTrack软件在本地下载网页，但问题是它没有将其保存为HTML。如何使用WinHTTrack之类的软件下载具有HTML扩展名的网页[或者仅通过ctrl+s保存网页是不够的。]。我还计划在本地下载网页后，使用HTML解析器提取3种内容类型[文本、图像、颜色]。那么使用哪种解析器呢

我使用Httrack，它也可以获取html文件。您可能将winhttrack项目文件作为唯一的输出文件，但如果您在项目目录中进行检查，则会出现html文件（以及图像等）。我建议使用-。它是一个java库，因为您的项目是一个java项目，所以应该很容易使用它。您还可以使用org.htmlparser.parserapplications.SiteCapturer在本地保存整个网站（并指定是否也应捕获图像等资源）。希望有帮助。

谢谢您提供的信息。我会像你说的那样，在HTTrack的目录中检查它。关于解析器，我也读过关于“HTMLParser”的好评论。好吧，我会开始使用它，并让你知道。对于比较，我的意思是比较一个网页和另一个网页的文本、图像、颜色，我该怎么做？很高兴我能帮上忙。比较是另一种情况，因此你需要提出另一个问题好的，我会提出另一个问题。在我将页面下载到本地磁盘后，你能解释一下如何使用HTMLPasser来提取内容吗？有关于HTMLPasser的教程吗。？