dom4j解析xml

最近在做关于爬虫的项目，通过抓取的网页，用jtidy解析转换成xml，然后通过dom4j去解析xml，得到网页中正文，标题之类的信息。因为解析出来的xml中，body里面子节点N多个(DIV)，目前我的想法是，获取所有的DIV，然后得到DIV下的子节点H1，然后得到H1里面的文本信息。有没有类似经验的人给个建议？？？有代码最好。。

解决方案 »

免费领取超大流量手机卡，每月29元包185G流量+100分钟通话, 中国电信官方发货

xml有dom4j帮忙解析，没什么搞不定的，至于要抓取什么信息，那就是楼主自己的事情了，帮不了你。
直接循环取不就可以吗？
<body>
<div>
<h1>
</h1>
</div>
<div>
<h1>
</h1>
</div
</body>
你说的是这样结构吧
Element e=document.getRootElement();
for(Iterator i=e.elementIterator();i.hasNext()){
Element divElement=i.next();//得到div节点
for(Iterator j=divElement.elementIterator();i.hasNaxt()){
Element h1Element=j.next();
if("H1".equals(h1Element.getName())){
你要的东西
}
}
}
把<DIV></DIV> 这种东东都删掉,得到一个干净的xml后再处理不行吗.
用dom4j，或者jdom，应该很快可以得到你想要的吧，除非你生成的xml规则太烂的话点功夫去做path的匹配。
用JDOM读取XML文件需先用org.jdom.input.SAXBuilder对象的build()方法创建Document对象,然后用Document类、Element类等的方法读取所需的内容。
text.xml<?xml version="1.0" encoding="UTF-8"?>
<HD>
  <disk name="C">
    <capacity>8G</capacity>
    <directories>200</directories>
    <files>1580</files>
  </disk>  <disk name="D">
    <capacity>10G</capacity>
    <directories>500</directories>
    <files>3000</files>
  </disk>
</HD>
这里示范一下用jdom解析xml文件的步奏import java.util.*;
import org.jdom.*;
import org.jdom.input.SAXBuilder;
public class Sample1 {
  public static void main(String[] args) throws Exception{
    SAXBuilder sb=new SAXBuilder();

    Document doc=sb.build(Sample1.class.getClassLoader().getResourceAsStream("text.xml")); //构造文档对象
    Element root=doc.getRootElement(); //获取根元素HD
    List list=root.getChildren("disk");//取名字为disk的所有元素
    for(int i=0;i<list.size();i++){
       Element element=(Element)list.get(i);
       String capacity=element.getChildText("capacity");//取disk子元素capacity的内容
       String directories=element.getChildText("directories");
       String files=element.getChildText("files");
       System.out.println("磁盘信息:");
       System.out.println("分区盘符:"+name);
       System.out.println("分区容量:"+capacity);
       System.out.println("目录数:"+directories);
       System.out.println("文件数:"+files);
       System.out.println("-----------------------------------");
    }
  }
} 这只是一个入门，具体问题具体分析，呵呵
哥，用Jsoup吧，像js一样操作DOM，是不是非常方便呢？而且速度也很快
使用xpath吧，使用xpath查找指定的节点。 List listNodes=doc.selectNodes("//DIV");while循环获取，再取子节点。注意需要jaxen-xx-xx.jar。
Document doc = DocumentHelper.parseText(xml);
List<?> printXmls = doc.selectNodes("/div");//选择节点
String H1="";
if((printXmls != null) && (printXmls.size()>0)){
for (int i = 0; i < printXmls .size(); i++) {
Element printe = (Element)printXmls.get(i);
H1= StringUtils.trimToNull(printe.elementText("H1"));//H1
}