快捷導(dǎo)航

Java HtmlParse提取標簽中的值操作

更新時間：2020年08月19日 11:20:14 作者：Sandy林

這篇文章主要介紹了Java HtmlParse提取標簽中的值操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

☆代碼示例：

代碼塊語法遵循標準markdown代碼，例如：

package cas;

import org.htmlparser.Node;
import org.htmlparser.NodeFilter;
import org.htmlparser.Parser;
import org.htmlparser.filters.StringFilter;
import org.htmlparser.filters.TagNameFilter;
import org.htmlparser.tags.ImageTag;
import org.htmlparser.util.NodeList;

/**
 * Html 中的body體中提取出Img標簽中的src值
 *
 * @author XY
 *
 */
public class CASHtmlImgConvert {

  public static void main(String[] args) {
//演示
    String[] oldSrcPath=changeImgSrc("<img alt=\"\" src=\"http://www.czb8688.com/attached/image/20160116/20160116141455_775.jpg\" />");
    if(oldSrcPath!=null){
      for(String str:oldSrcPath){
        System.out.println(str);
      }
    }
  }

  public static boolean isEmpty(String str){
    if(str!=null&&(!str.equals("")))
      return false;
    else
      return true;
  }

  /**
   * 
   * @param htmlPath 本地的html路徑 或者body
   */ 
  private static String[] changeImgSrc(String htmlPath) 
  {  StringBuilder oldSrcPath = new StringBuilder();  
    try { 
      Parser parser = new Parser(htmlPath); 
    //標簽名過濾器
      NodeFilter filter = new TagNameFilter ("img"); 
      NodeList nodes = parser.extractAllNodesThatMatch(filter); 
      Node eachNode = null; 
      ImageTag imageTag = null; 

      if (nodes != null) 
      { 
//       遍歷所有的img節(jié)點 
        for (int i = 0; i < nodes.size(); i++)  
        { 
          eachNode = (Node)nodes.elementAt(i); 
          if (eachNode instanceof ImageTag)  
          { 
            imageTag = (ImageTag)eachNode;              
//           獲得html文本的原來的src屬性 
            String path=imageTag.getAttribute("src");
            if(path.startsWith(""))
              path="http://www.czb8688.com"+path;
            oldSrcPath .append(path+","); 
          } 
        } 
      } 
    } catch (Exception e) { 
      e.printStackTrace(); 
    } 
    String str=oldSrcPath.toString();
    //返回圖片數(shù)組
    return str.substring(0,str.length()-1).split(",");
  } 
}

補充知識：java 掃描HTML 拿取各種標簽資源數(shù)據(jù)

直接上代碼，不比比。

package com.zhirui.oa.modules.notice.utils;

import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class TemplateUtil {

  public static List<Map<String, Object>> getImgSrc(String htmlContent) {
    List<Map<String, Object>> srcList = new ArrayList<>(); //用來存儲獲取到的地址
    Map<String, Object> map = null;
    Pattern p = Pattern.compile("<(img|IMG)(.*?)(>|></img>|/>)");//匹配字符串中的img標簽
    Matcher matcher = p.matcher(htmlContent);
    boolean hasPic = matcher.find();
    if (hasPic == true)//判斷是否含有圖片
    {
      while (hasPic) //如果含有圖片，那么持續(xù)進行查找，直到匹配不到
      {
        String group = matcher.group(2);//獲取第二個分組的內(nèi)容，也就是 (.*?)匹配到的
        Pattern srcText = Pattern.compile("(src|SRC)=(\"|\')(.*?)(\"|\')");//匹配圖片的地址
        Matcher matcher2 = srcText.matcher(group);
        if (matcher2.find()) {
          map = new HashMap<>();
          map.put("imgResourcePath", matcher2.group(3));
          srcList.add(map);//把獲取到的圖片地址添加到列表中
          map = null;
        }
        hasPic = matcher.find();//判斷是否還有img標簽
      }
    }
    return srcList;
  }

  public static List<Map<String, Object>> getVideoSrc(String htmlContent) {
    List<Map<String, Object>> srcList = new ArrayList<>(); //用來存儲獲取到的視頻地址
    Map<String, Object> map = null;
    Pattern p = Pattern.compile("<(video|VIDEO)(.*?)(>|></video>|/>)");//匹配字符串中的video標簽
    Matcher matcher = p.matcher(htmlContent);
    boolean hasPic = matcher.find();
    if (hasPic == true)//判斷是否含有視頻
    {
      while (hasPic) //如果含有視頻，那么持續(xù)進行查找，直到匹配不到
      {
        String group = matcher.group(2);//獲取第二個分組的內(nèi)容，也就是 (.*?)匹配到的
        Pattern srcText = Pattern.compile("(src|SRC)=(\"|\')(.*?)(\"|\')");//匹配視頻的地址
        Matcher matcher2 = srcText.matcher(group);
        if (matcher2.find()) {
          map = new HashMap<>();
          map.put("videoResourcePath", matcher2.group(3));
          srcList.add(map);//把獲取到的視頻地址添加到列表中
          map = null;
        }
        hasPic = matcher.find();//判斷是否還有video標簽
      }
    }
    return srcList;
  }

  public static List<Map<String, Object>> getAhref(String htmlContent) {
    List<Map<String, Object>> srcList = new ArrayList<>(); //用來存儲獲取到的超鏈接地址
    Map<String, Object> map = null;
    Pattern p = Pattern.compile("<(a|A)(.*?)(>|></a>|/>)");//匹配字符串中的a標簽
    Matcher matcher = p.matcher(htmlContent);
    boolean hasPic = matcher.find();
    if (hasPic == true)//判斷是否含有超鏈接
    {
      while (hasPic) //如果含有超鏈接，那么持續(xù)進行查找，直到匹配不到
      {
        String group = matcher.group(2);//獲取第二個分組的內(nèi)容，也就是 (.*?)匹配到的
        Pattern srcText = Pattern.compile("(href|HREF)=(\"|\')(.*?)(\"|\')");//匹配超鏈接的地址
        Matcher matcher2 = srcText.matcher(group);
        if (matcher2.find()) {
          map = new HashMap<>();
          map.put("aResourcePath", matcher2.group(3));
          srcList.add(map);//把獲取到的超鏈接地址添加到列表中
          map = null;
        }
        hasPic = matcher.find();//判斷是否還有a標簽
      }
    }
    return srcList;
  }
}

以上這篇Java HtmlParse提取標簽中的值操作就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: