![](/img/trans.png)
[英]Cannot get all matched nodes while using htmlparser to parse a website
[英]Get all nodes with HTMLParser in java
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?
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。
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/
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
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.