主頁(yè) > 知識(shí)庫(kù) > 解析得到除去標(biāo)簽的txt內(nèi)容

解析得到除去標(biāo)簽的txt內(nèi)容

熱門(mén)標(biāo)簽:淮南騰訊地圖標(biāo)注 商丘百應(yīng)電話(huà)機(jī)器人有沒(méi)有效果 漯河辦理400電話(huà) 黃石智能營(yíng)銷(xiāo)電銷(xiāo)機(jī)器人效果 怎樣把地圖標(biāo)注出來(lái) 電話(huà)機(jī)器人的特色和創(chuàng)新 騰訊地圖標(biāo)注商戶(hù)改名注冊(cè)入駐 開(kāi)封便宜外呼系統(tǒng)報(bào)價(jià) 地圖標(biāo)注人員兼職
復(fù)制代碼 代碼如下:

NodeList body_nodes=this.getParser().parse(body_filter);
for(int i=0;ibody_nodes.size();i++)
{
Node node=body_nodes.elementAt(i);

Parser body_parser=new Parser(node.toHtml());
TextExtractingVisitor visitor=new TextExtractingVisitor();
body_parser.visitAllNodesWith(visitor);
body.append(visitor.getExtractedText());
}

TextExtractingVisitor,visitAllNodesWith等類(lèi)及方法都是Visitor中比較很重要但也很少見(jiàn)的。
下面附源代碼:
復(fù)制代碼 代碼如下:

import java.io.BufferedWriter;
import java.io.File;
import java.io.FileWriter;
import java.io.IOException;
import java.util.Date;

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.HasChildFilter;
import org.htmlparser.filters.TagNameFilter;
import org.htmlparser.util.NodeList;
import org.htmlparser.visitors.TextExtractingVisitor;

import com.extractor.Extractor;

public class ExtractorHangdian extends Extractor{
public void extract()
{
BufferedWriter bw=null;
String indextime;
String title;
StringBuffer body=new StringBuffer();;
NodeFilter time_filter=new AndFilter(new TagNameFilter("font"),new HasAttributeFilter("color","#808080"));
NodeFilter title_filter1=new AndFilter(new TagNameFilter("td"),new HasChildFilter(new TagNameFilter("b")));
NodeFilter body_filter=new AndFilter(new TagNameFilter("td"),new HasChildFilter(new TagNameFilter("p")));

try
{
NodeList title_nodes=this.getParser().parse(title_filter1);
Node node=title_nodes.elementAt(0);
NodeList node2=node.getChildren();
//title=node2.elementAt(0).toHtml(); /* '\r\n' */
//title=node2.elementAt(1).toHtml(); /*font color="#000080" style="font-size:14.4px*/
//title=node2.elementAt(2).toHtml(); /* b */
title=node2.elementAt(3).toHtml(); /* 教材征訂及教師用書(shū)登記通知 */


bw=new BufferedWriter(new FileWriter(new File(this.getOutputPath()+title+".txt")));

String url_seg1=getInputFilePath().substring(3,30);
int end=getInputFilePath().lastIndexOf(".");
String url_seg2=getInputFilePath().substring(30, end);
String url_seg=url_seg1+".asp?"+url_seg2;
url_seg=url_seg.replaceAll("\\\\","/");
String url="http://"+url_seg;

bw.write(url+NEWLINE);
bw.write(title+NEWLINE);


}
catch(Exception e)
{
e.printStackTrace();
}

this.getParser().reset();
try
{
NodeList time_nodes=this.getParser().parse(time_filter);
Node time_node=time_nodes.elementAt(1);//這里的“1”表示符合time_filter的第二個(gè)元素
indextime=time_node.getNextSibling().toHtml();

bw.write(indextime+NEWLINE);
}
catch(Exception e)
{
e.printStackTrace();
}

this.getParser().reset();//得到除去標(biāo)簽的所有txt文本
try
{
NodeList body_nodes=this.getParser().parse(body_filter);
for(int i=0;ibody_nodes.size();i++)
{
Node node=body_nodes.elementAt(i);

Parser body_parser=new Parser(node.toHtml());
TextExtractingVisitor visitor=new TextExtractingVisitor();
body_parser.visitAllNodesWith(visitor);
body.append(visitor.getExtractedText());
}
bw.write(body+NEWLINE);

}
catch(Exception e)
{
e.printStackTrace();
}

try
{
if(bw!=null)
bw.close();
}catch(IOException e)
{
e.printStackTrace();
}
}
}

這里順便提一下,當(dāng)年bw沒(méi)有關(guān)掉,怎么讀不進(jìn)去,搞了我好幾天,郁悶死了,想起來(lái)就火大,注意?。?

標(biāo)簽:大興安嶺 亳州 馬鞍山 鄭州 紅河 武威 拉薩 岳陽(yáng)

巨人網(wǎng)絡(luò)通訊聲明:本文標(biāo)題《解析得到除去標(biāo)簽的txt內(nèi)容》,本文關(guān)鍵詞  解析,得到,除去,標(biāo)簽,的,;如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問(wèn)題,煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們,我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò),涉及言論、版權(quán)與本站無(wú)關(guān)。
  • 相關(guān)文章
  • 下面列出與本文章《解析得到除去標(biāo)簽的txt內(nèi)容》相關(guān)的同類(lèi)信息!
  • 本頁(yè)收集關(guān)于解析得到除去標(biāo)簽的txt內(nèi)容的相關(guān)信息資訊供網(wǎng)民參考!
  • 推薦文章