谁有用java写的html全解析程序.

Question

DOM已经支持html解析，Xerces也已经提供了DOM3的实现。BTW：no pains, no gains

Answer 1

^_^ 有现成的,自己搜索去吧.no search ,no gains:)

Answer 2

import java.io.*;
import org.w3c.tidy.Tidy;
/**
 * HTML文件整理
 * 
 * 从Test16.java修改而来
 *
 * 运行参数 
 * java Test17 <html_file> <new_html_file> <log_file> <config_file>
 * 
 */
public class Test17 implements Runnable {
    private String srcFileName;
    private String outFileName;
    private String errOutFileName;
    private String configFileName;    public Test17(String srcFileName, String outFileName, String errOutFileName,
        String confName) {
        this.srcFileName = srcFileName;
        this.outFileName = outFileName;
        this.errOutFileName = errOutFileName;
        this.configFileName= confName;
    }    public void run() {
        BufferedInputStream in;
        FileOutputStream out;
        Tidy tidy = new Tidy();
tidy.setConfigurationFromFile(configFileName);
        try {
            tidy.setErrout(new PrintWriter(new FileWriter(errOutFileName), true));
            in = new BufferedInputStream(new FileInputStream(srcFileName));
            out = new FileOutputStream(outFileName);
            tidy.parseDOM(in, out);
        } catch (IOException e) {
            System.out.println(this.toString() + e.toString());
        }
    }    public static void main(String[] args) {
        Test17 t1 = new Test17(args[0], args[1], args[2], args[3]);
        Thread th1 = new Thread(t1);
        th1.start();
    }
}

Answer 3

配置文件和错误日志可以为空！ 
下面是配置文件参考：
//JTidy设置文件参考如下：
// sample config file for HTML tidy
indent: auto
indent-spaces: 4
wrap: 72
up: yes
output-xml: yes
input-xml: no
show-warnings: yes
numeric-entities: yes
quote-s: yes
quote-nbsp: yes
quote-ampersand: no
break-before-br: no
uppercase-tags: no
uppercase-attributes: no
char-encoding: raw
new-inline-tags: cfif, cfelse, math, mroot, 
mrow, mi, mn, mo, msqrt, mfrac, msubsup, munderover,
munder, mover, mmultiscripts, msup, msub, mtext,
mprescripts, mtable, mtr, mtd, mth
new-blocklevel-tags: cfoutput, cfquery
new-empty-tags: cfelse

Answer 4

将html转换成DOM树以后，就可以用任何XML解析器进行解析了！

Answer 5

比如说遍历此html文档（当然是转换后的，也就是XHtml）：
Document document = tidy.parseDOM( in,out );
travers( document );/**
 * Traverse DOM Tree
 *
 */
public void traverse( Node cNode ) {
String eleName = null;
switch( cNode.getNodeType() ) {
case Node.DOCUMENT_NODE:
System.out.println( "Element " + cNode.getNodeName() );
processChildren( cNode.getChildNodes() );
break;
case Node.ELEMENT_NODE:
eleName = cNode.getNodeName();
System.out.println("Element " + eleName);
NamedNodeMap attributeMap = cNode.getAttributes();
int numAttrs = attributeMap.getLength();
for(int i = 0; i < attributeMap.getLength(); i++ ) {
Attr attribute = (Attr)attributeMap.item(i);
String attrName = attribute.getNodeName();
String attrValue = attribute.getNodeValue();
System.out.println( attrName + " = " + attrValue );
}
processChildren(cNode.getChildNodes());
break;
case Node.CDATA_SECTION_NODE:
case Node.TEXT_NODE:
System.out.println( "Text " + cNode.getNodeValue() );
if( !cNode.getNodeValue().trim().equals("") ) {
System.out.println( "eleName " + eleName );
System.out.println( "Text " + cNode.getNodeValue() );
}
break;
}
}private void processChildren( NodeList nList ){
if( nList.getLength()!=0 ){
for( int i = 0; i < nList.getLength(); i++ ) {
traverse( nList.item(i) );
}
}
}

Answer 6

标准的JDK里面就肯定有，理由:javax.swing.JComponent本身就能够显示（相对简单的，符合w3c规范的）HTML，具体是哪个class作为Parser不太清楚，但肯定在jdk内

Answer 7

see javax.swing.text.html.parser.DocumentParser

Answer 8

上面javax.swing.JComponent说错了，是JEditorPane