解析并修改html文件内容

Question

我想做一个html文件下载的东东。
但是，对html进行解析实在太麻烦了，刚开始我是自己写的类来解析，但是有好多的html文件不标准，解析总是出问题。有没有好的办法实现。总体是这样的：
1、输入url，读取这个网页。这个是没有问题的。
2、解析这个网页文件，将其中的图片等都下载到本机上，并修改其中的img标示。
3、修改网页中的A标记。谢谢

Answer 1

可是用正则表格式来解析img 和<A这种, 还是比较可行的. 

Answer 2

有没有哪位GG有关于HTMLEditorKit的一些使用方法

Answer 3

HTML本来就不规范 建议看下网络爬虫 和你的思路有点象  用正则解决吧

Answer 4

HTMLEditorKit这个东东没用过
不过用过另外一个东西叫 HtmlParser 的，用起来还算顺手。

Answer 5

就是那一类的东西。
我现在能够使用htmlParser来获取信息，但是不知如何更改它的信息。
如，可以获取一些链接的地址，但是如果要更改它的文字信息就不会了。

Answer 6

URL url = new URL("http://192.168.0.2");
   URLConnection connection = url.openConnection();
   InputStream is = connection.getInputStream();
   InputStreamReader isr = new InputStreamReader(is);
   BufferedReader br = new BufferedReader(isr);   HTMLEditorKit htmlKit = new HTMLEditorKit();
   HTMLDocument htmlDoc = (HTMLDocument) htmlKit.createDefaultDocument();
   HTMLEditorKit.Parser parser = new ParserDelegator();
   HTMLEditorKit.ParserCallback callback = htmlDoc.getReader(0);
   parser.parse(br, callback, true);
 
   for (HTMLDocument.Iterator iterator = htmlDoc.getIterator(HTML.Tag.A); iterator.isValid(); iterator.next()) {
   // href     AttributeSet attributes = iterator.getAttributes();
     String srcString = (String) attributes.getAttribute(HTML.Attribute.HREF);
    System.out.print(srcString);
    int startOffset = iterator.getStartOffset();
    int endOffset = iterator.getEndOffset();
     int length = endOffset - startOffset;
     String text = htmlDoc.getText(startOffset, length);
     System.out.println(" - " + text);
   }