使用htmlparser解析html超链接

1. package org.zz.test;  
2. import org.htmlparser.NodeFilter;  
3. import org.htmlparser.Parser;  
4. import org.htmlparser.filters.TagNameFilter;  
5. import org.htmlparser.tags.LinkTag;  
6. import org.htmlparser.util.NodeList;  
7. import org.htmlparser.util.ParserException;  
8. import org.htmlparser.visitors.HtmlPage;  
9. public class ParserHtmlPage {  
10.     public NodeList parser(String url) throws ParserException{  
11.         /**根据url创建parser对象,   || Parser parser = Parser.createParser(url,encoding)**/  
12.         Parser parser =  new Parser(url);  
13.          
14.         /**设置编码，必须与url编码一样，否则挂掉 **/  
15.         parser.setEncoding("utf-8");  
16.          
17.         /** 构建一个html页面对象 **/  
18.         HtmlPage htmlPage = new HtmlPage(parser);  
19.         parser.visitAllNodesWith(htmlPage);  
20.          
21.         /** 获取body下面所有的节点 **/  
22.         NodeList list = htmlPage.getBody();  
23.          
24.         /** 建立一个filter，用于过滤节点 **/  
25.         NodeFilter filter = new TagNameFilter("A");  
26.          
27.         /** 得到过滤后的节点 **/  
28.         list = list.extractAllNodesThatMatch(filter, true);  
29.          
30.          
31.         for(int c =0; c < list.size(); c ++){  
32.                 LinkTag linkTag = (LinkTag) list.elementAt(c);  
33.                 System.out.println("["+linkTag.getStringText()+"]"+linkTag.getAttribute("href"));//取得href属性的值  
34.                 //System.out.println(linkTag.getStringText());//取得链接的 文本  
35.         }  
36.         return list;  
37.     }  
38.      
39.     public static void main(String[] args) throws ParserException {  
40.        ParserHtmlPage pp = new ParserHtmlPage();  
41.        pp.parser("http://www.baidu.com");  
42.     }  
43. }