在Java中使用HTMLParser获取所有节点

Question

我需要获取HTML文件的所有元素，因为我必须在树上表示它们。 问题是我只能获得第一个节点，即html节点。

我正在使用HTMLParser库在Java中进行编程。

我的代码是：

import org.htmlparser.Node;
import org.htmlparser.Parser;
import org.htmlparser.util.NodeList;
import org.htmlparser.util.ParserException;

class Principal
{
    public static void main (String[] args) {
        try {
            Parser parser = new Parser("http://www.marca.com");
            NodeList list = parser.parse(null);
            for (int i = 0; i < list.size(); i++) {
                Node node = list.elementAt(i);
                System.out.println(node.getText());
            }
        } catch (ParserException pe) {
            pe.printStackTrace ();
        }
    }
}

我尝试使用迭代器，但是结果是相同的。

代码的执行产生以下结果：

!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"


html xmlns="http://www.w3.org/1999/xhtml"

有谁知道我如何获得HTML文件的所有元素？

Answer 1

一棵树有不同的层次。 在您的方法中，您只是选择顶级节点。 为了打印所有节点，您需要转到所有子节点。

Answer 2

我认为您应该使用jsoup示例：

Document doc = Jsoup.connect("http://www.marca.com").get();
Elements allNodes = doc.getAllElements()

您可以在这里参考： http : //jsoup.org/

Answer 3

尝试不同的方法，我通过递归调用来迭代树的不同孩子，从而解决了这个问题。

谢谢你的帮助