关于提取html网页为纯文本内容的问题

Question

import java.io.*;
import java.net.*;
import java.util.*;
import org.htmlparser.beans.StringBean;
import org.htmlparser.util.ParserException;
public class Text {
  public static void main(String[] args) throws IOException{
Text t = new Text();
try{
System.out.println("请输入所要查询的网址：");
    byte buf[]=new byte[100];
    int count=System.in.read(buf);
    String addr=new String(buf,0,count);
URL url = new URL(addr);
    System.out.println(t.getText(url)); }catch(IOException e){
 e.printStackTrace();
}
  }
  public String getText(String url)throws ParserException{
StringBean sb = new StringBean();
    try{
      sb.setLinks(false);// 设置不需要得到页面所包含的链接信息
      sb.setReplaceNonBreakingSpaces(true);// 设置将不间断空格由正规空格所替代
      sb.setCollapse(true);// 设置将一序列空格由一个单一空格所代替
      sb.setURL(url);//传入要解析的URL
    }catch(ParserException e){
    log.error(e);     }
    return sb.getStrings();
  }
}
红色处为报错我的意思就是输入网址，能够提取该网页纯文本信息，并输出。
那位大大给个程序啊

Answer 1

这是你自己写的咩？
log是什么东西？
log4j的logger?
报什么错？少包了？

Answer 2

这是你自己写的咩？
log是什么东西？
log4j的logger?
报什么错？少包了？

Answer 3

log这个对象在你的代码里都没看见定义的地方，你就直接使用了
另外log.error(e);这行跑异常时因为你先抛出了ParserException 这个异常
你还是在log.error(e);上边加上一句e.printStackTrace();看看到底是那句抛的异常再说吧。估计到时候就一目了然了

Answer 4

我把log.error(e);删除了
替换为e.printStackTrace();依旧提示错误
还有get.text那也有问题啊log是用的log4j的，不过就算是我导入包了也没有用啊
我用的是slf4j-api-1.6.1.jar+log4j-1.2.8.jar组合
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

Answer 5

不知道你使用的是什么jar文件，我引用不到org.htmlparser.beans.StringBean
我在网上找了一个简单的例子。倒是可以保存html内容。 String addr="http://www.baidu.com/";
URL url = new URL(addr);
InputStream is = url.openStream();

String s;
BufferedReader in = new BufferedReader(new InputStreamReader(is));

StringBuffer sb = new StringBuffer();

BufferedWriter out = new BufferedWriter(new FileWriter("f:\\testhtmlout.txt"));

while((s = in.readLine()) != null) {
sb.append(s);
sb.append(System.getProperty("line.separator"));
}
out.write(sb.toString());
out.close();
in.close();

Answer 6

org.htmlparser.visitors.TextExtractingVisitor
public class TextExtractingVisitor extends NodeVisitor
Extracts text from a web page. 
Usage: Parser parser = new Parser(...); 
TextExtractingVisitor visitor = new TextExtractingVisitor(); 
parser.visitAllNodesWith(visitor); 
String textInPage = visitor.getExtractedText();
 

Answer 7

回大闹天宫，我要的是纯文本，不要html
回阿甘，网上有TextExtractingVisitor但是不能提取纯文本，里面还会包含一些空格，回车等其它的
详见http://www.360doc.com/content/11/0511/02/1947337_115852644.shtml
但是我用它最后的利用url提取纯文本的方式，编译出错