htmlparser

简介

htmlparser是一个纯的java写的html解析的库,它不依赖于其它的java库文件,主要用于改造或  提取html。它能超高速解析html,而且不会出错。现在htmlparser最新版本为2.0。  毫不夸张地说,htmlparser就是目前最好的html解析和分析的工具。  无论你是想抓取网页数据还是改造html的内容,用了htmlparser绝对会忍不住称赞

htmlparser基本功能

1. 信息提取   · 文本信息抽取,例如对HTML进行有效信息搜索   

· 链接提取,用于自动给页面的链接文本加上链接的标签   

· 资源提取,例如对一些图片、声音的资源的处理   

· 链接检查,用于检查HTML中的链接是否有效   

· 页面内容的监控   

2. 信息转换   

· 链接重写,用于修改页面中的所有超链接   

· 网页内容拷贝,用于将网页内容保存到本地   

· 内容检验,可以用来过滤网页上一些令人不愉快的字词   

· HTML信息清洗,把本来乱七八糟的HTML信息格式化   

· 转成XML格式数据

相关推荐