怎么使用以下HTML抽取信息？

Question

怎么 解析本地的  网页信息 ，并储存为txt文本信息求高手帮助

Answer 1

主要 提取 
                //书名
                  String title;
             //作者
String author;
// 价格
String price;
// 优惠价
String dprice1;
// vip价
String dprice2;
//
// ISBN
String isbn;
// 
String publish; String publishdate; String content;
        图片连接
String imgurl;
       网页连接
// String url;
           类型
String type;
              //页数
String pagecount;

Answer 2

JAVA有很多解析HMTL的框架，GOOGLE下。

Answer 3

htmlparser对吧 
但问题没解决呀

Answer 4

package com.mysearch.parser; import java.io.BufferedReader; 
import java.io.BufferedWriter; 
import java.io.File; 
import java.io.FileReader; 
import java.io.FileWriter; 
import java.io.IOException; import org.htmlparser.Node; 
import org.htmlparser.NodeFilter; 
import org.htmlparser.Parser; 
import org.htmlparser.filters.AndFilter; 
import org.htmlparser.filters.HasAttributeFilter; 
import org.htmlparser.filters.RegexFilter; 
import org.htmlparser.filters.StringFilter; 
import org.htmlparser.filters.TagNameFilter; 
import org.htmlparser.util.NodeList; 
import org.htmlparser.util.ParserException; public class ParserFor2 { public static void main(String args[]) { 
String NEWLINE = "\r\n"; String SEPARATOR = "================================"; String title; String author; 
// �г��۸� 
String price; 
// 
String dprice1; 
// 
String dprice2; 
// 
// ISBN 
String isbn; 
// ����� 
String publish; String publishdate; String content; String imgurl; String url; String type; String pagecount; String url1; try { BufferedReader br = new BufferedReader(new FileReader("D:\\tt.txt")); String line; BufferedWriter bw = null; while (null != (line = br.readLine())) { 
try { StringBuffer t1 = new StringBuffer(); Parser parser = new Parser(line); parser.setEncoding("gb2312"); NodeFilter filter_title = new AndFilter(new TagNameFilter( 
"a"), new HasAttributeFilter("name", "top_bk")); NodeList nodelist = parser.parse(filter_title); Node node_title = nodelist.elementAt(0); title = node_title.getNextSibling().getNextSibling() 
.getText(); parser.reset(); NodeFilter filter_author = new AndFilter(new TagNameFilter( 
"div"), new HasAttributeFilter("id", "author_")); nodelist = parser.parse(filter_author); Node node_author = nodelist.elementAt(0); author = node_author.getChildren().asString().substring(6); parser.reset(); NodeFilter filter_publish = new AndFilter( 
new TagNameFilter("div"), new HasAttributeFilter( 
"id", "publisher_")); nodelist = parser.parse(filter_publish); Node node_publish = nodelist.elementAt(0); publish = node_publish.getChildren().asString() 
.substring(7); parser.reset(); NodeFilter filter_isbn = new RegexFilter( 
"I S B N    �� \\d\\d\\d\\d\\d\\d\\d\\d\\d\\d"); nodelist = parser.parse(filter_isbn); Node node_isbn = nodelist.elementAt(0); isbn = node_isbn.getText().substring(13); parser.reset(); NodeFilter filter_publishdate = new StringFilter("���ʱ�䣺"); nodelist = parser.parse(filter_publishdate); Node node_publishdate = nodelist.elementAt(1); publishdate = node_publishdate.getText().substring(6); parser.reset(); NodeFilter filter_type = new StringFilter(">> "); nodelist = parser.parse(filter_type); Node node_type = nodelist.elementAt(0); type = node_type.getNextSibling().getChildren().asString(); parser.reset(); NodeFilter filter_imgurl = new AndFilter(new TagNameFilter( 
"img"), 
new HasAttributeFilter("id", "img_show_prd")); nodelist = parser.parse(filter_imgurl); Node node_imgurl = nodelist.elementAt(0); imgurl = node_imgurl.getText(); imgurl = imgurl.substring(imgurl.indexOf("images") - 1, 
imgurl.indexOf(".jpg") + 4); parser.reset(); NodeFilter filter_price = new StringFilter("���ۣ�"); nodelist = parser.parse(filter_price); Node node_price = nodelist.elementAt(0); price = node_price.getText().substring(4); parser.reset(); NodeFilter filter_dprice1 = new StringFilter("�����ۣ�"); nodelist = parser.parse(filter_dprice1); Node node_dprice1 = nodelist.elementAt(0); dprice1 = node_dprice1.getNextSibling().getNextSibling() 
.getText().substring(1); parser.reset(); NodeFilter filter_dprice2 = new StringFilter("��ʯvip�ۣ�"); nodelist = parser.parse(filter_dprice2); Node node_dprice2 = nodelist.elementAt(0); try { 
dprice2 = node_dprice2.getText(); 
dprice2 = dprice2.substring( 
dprice2.indexOf("��ʯvip�ۣ�") + 8).trim(); 
} catch (NullPointerException e) { 
dprice2 = "null"; 
} parser.reset(); NodeFilter filter_pagecount = new StringFilter("ҳ������"); nodelist = parser.parse(filter_pagecount); Node node_pagecount = nodelist.elementAt(0); pagecount = node_pagecount.getText().substring(6).trim(); parser.reset(); NodeFilter filter_content = new StringFilter("���ݼ��"); nodelist = parser.parse(filter_content); Node node_content = nodelist.elementAt(0); try { 
content = node_content.getParent().getNextSibling() 
.getNextSibling().getChildren().asString(); 
} catch (NullPointerException e) { 
content = "null"; 
} 
t1.append("dangdang").append("-").append(isbn); 
bw = new BufferedWriter(new FileWriter( 
new File("E:\\book\\"+t1 + ".txt"))); bw.write(line); 
bw.write(NEWLINE); 
bw.write(imgurl); 
bw.write(NEWLINE); 
bw.write(title); 
bw.write(NEWLINE); 
bw.write(author); 
bw.write(NEWLINE); 
bw.write(price); 
bw.write(NEWLINE); 
bw.write(dprice1); 
bw.write(NEWLINE); 
bw.write(dprice2); 
bw.write(NEWLINE); 
bw.write(isbn); 
bw.write(NEWLINE); 
bw.write(type); 
bw.write(NEWLINE); 
bw.write(pagecount); 
bw.write(NEWLINE); 
bw.write(publish); 
bw.write(NEWLINE); 
bw.write(publishdate); 
bw.write(NEWLINE); 
bw.write(SEPARATOR); 
bw.write(NEWLINE); 
bw.write(content); } catch (ParserException e) { 
e.printStackTrace(); 
} 
try { 
if (bw != null) { 
bw.close(); 
} 
} catch (IOException e) { 
e.printStackTrace(); 
} 
} 
} catch (Exception e) { 
e.printStackTrace(); 
} } 
} 
可是有错误，帮忙改正