用htmlparser抓页面代码问题，急！！！

Question

我现在有一点html代码， <tr bgcolor="#f1f5fa">
                  <td nowrap class="smalltext">May 2010</td>
                  <td class="smalltext">United Kingdom</td>
                  <td class="smalltext">
                            
                                    <a href="/WebObjects/iTunesConnect.woa/wo/3.0.0.5.1.7.1.1.2.15.0.5.1">
                                        80075911_0510_GB_PYMT.txt
                                    </a>
                            
                            
                  </td>
                </tr>
            
                <tr bgcolor="#f1f5fa">
                  <td nowrap class="smalltext">May 2010</td>
                  <td class="smalltext">United Kingdom</td>
                  <td class="smalltext">
                            
                                    <a href="/WebObjects/iTunesConnect.woa/wo/3.0.0.5.1.7.1.1.2.15.1.5.1">
                                        80075911_0510_GB.txt
                                    </a>
                            
                            
                  </td>
                </tr>我要用“May 2010”这个关键词分别抓里面<a href="/>超链接地址。谁能帮我看看，谢了！

Answer 1

先匹配may 2010 ，然后通过标签去找url

Answer 2

没说一样，这个我知道，我就是想问用htmlparser怎么去匹配may 2010，然后再去找url！

Answer 3

要先匹配出这个table 然后去匹配trSS就是一个字符串，格式大概是这样的
String ss = "<table>
<tr>
<td>1</td>
<td>2</td>
<td>3</td>
</tr>
</table>" myParser = Parser.createParser(ss, "GBK");
        NodeFilter tableFilter = new NodeClassFilter(TableTag.class);
        OrFilter lastFilter = new OrFilter();
        lastFilter.setPredicates(new NodeFilter[] { tableFilter });
        try 
        {
            nodeList = myParser.parse(lastFilter);
            for (int i = 0; i <= nodeList.size(); i++) 
            {
                if (nodeList.elementAt(i) instanceof TableTag)
                {
                    TableTag tag = (TableTag) nodeList.elementAt(i);
                    TableRow[] rows = tag.getRows();
            
                    for (int j = 1; j < rows.length; j++) 
                    {
                        TableRow tr = (TableRow) rows[j];
                        TableColumn[] td = tr.getColumns();
                        System.out.println(td.length);
                       for (int k = 0; k < td.length; k++) 
                        {
                            System.out.println(td[k].toPlainTextString());
                       }                
                    }
            
                }
            }
    
        } catch (ParserException e) 
        {
            e.printStackTrace();
        }
    }

Answer 4

你这个是抓table里面所有text文本，我要是的里面<a href="" />，两码事，你自己看看你你的例子里面打个超链接，你的System.out.println(td[k].toPlainTextString());还打印的出来<a herf>的东西吗

Answer 5

而且还有一个问题，我要是页面好几个table呢，而且我这些table里面没有特殊的标识

Answer 6

这个好像没有办法直接获得.!
由你这个现有的资料, 目前只能过滤td,获取td的文本和你要的进行比较, 如果满足条件就获得父节点,
这时有两种情况:
1.如果你含有<a>的所有tr就是一行三列的话, 直接拿父节点getChild(index)获得节点,然后转成LinkTag获取href属性.!
2.如果列不固定,那么你就要遍历了.! 遍历中去判断!

Answer 7

格式是固定的，都会是 <tr bgcolor="#f1f5fa">
                  <td nowrap class="smalltext">May 2010</td>
                  <td class="smalltext">United Kingdom</td>
                  <td class="smalltext">
                            
                                    <a href="/WebObjects/iTunesConnect.woa/wo/3.0.0.5.1.7.1.1.2.15.0.5.1">
                                        80075911_0510_GB_PYMT.txt
                                    </a>
                            
                            
                  </td>
                </tr>
这个样子的，我就是现在知道是May 2010 把它里面的<a> url拿到。照上面那哥们说的 要先匹配出这个table 然后去匹配tr 那方法，我试了试，也很难能拿到url链接

Answer 8

这个不需要匹配任何,你只需要匹配td就可以了.!你匹配到tr还麻烦些, 那你还要循环遍历你的tr里面是否有一个td的text为May 2010? 这样做比直接过滤td多走了多少弯路?