Java HtmlParse提取标签中的值操作

 更新时间:2020年08月19日 11:20:14   作者:Sandy林  
这篇文章主要介绍了Java HtmlParse提取标签中的值操作,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧

☆代码示例:

代码块语法遵循标准markdown代码,例如:

package cas;

import org.htmlparser.Node;
import org.htmlparser.NodeFilter;
import org.htmlparser.Parser;
import org.htmlparser.filters.StringFilter;
import org.htmlparser.filters.TagNameFilter;
import org.htmlparser.tags.ImageTag;
import org.htmlparser.util.NodeList;

/**
 * Html 中的body体中提取出Img标签中的src值
 *
 * @author XY
 *
 */
public class CASHtmlImgConvert {

  public static void main(String[] args) {
//演示
    String[] oldSrcPath=changeImgSrc("<img alt=\"\" src=\"http://www.czb8688.com/attached/image/20160116/20160116141455_775.jpg\" />");
    if(oldSrcPath!=null){
      for(String str:oldSrcPath){
        System.out.println(str);
      }
    }
  }

  public static boolean isEmpty(String str){
    if(str!=null&&(!str.equals("")))
      return false;
    else
      return true;
  }

  /**
   * 
   * @param htmlPath 本地的html路径 或者body
   */ 
  private static String[] changeImgSrc(String htmlPath) 
  {  StringBuilder oldSrcPath = new StringBuilder();  
    try { 
      Parser parser = new Parser(htmlPath); 
    //标签名过滤器
      NodeFilter filter = new TagNameFilter ("img"); 
      NodeList nodes = parser.extractAllNodesThatMatch(filter); 
      Node eachNode = null; 
      ImageTag imageTag = null; 

      if (nodes != null) 
      { 
//       遍历所有的img节点 
        for (int i = 0; i < nodes.size(); i++)  
        { 
          eachNode = (Node)nodes.elementAt(i); 
          if (eachNode instanceof ImageTag)  
          { 
            imageTag = (ImageTag)eachNode;              
//           获得html文本的原来的src属性 
            String path=imageTag.getAttribute("src");
            if(path.startsWith(""))
              path="http://www.czb8688.com"+path;
            oldSrcPath .append(path+","); 
          } 
        } 
      } 
    } catch (Exception e) { 
      e.printStackTrace(); 
    } 
    String str=oldSrcPath.toString();
    //返回图片数组
    return str.substring(0,str.length()-1).split(",");
  } 
}

补充知识:java 扫描HTML 拿取各种标签资源数据

直接上代码,不比比。

package com.zhirui.oa.modules.notice.utils;

import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class TemplateUtil {

  public static List<Map<String, Object>> getImgSrc(String htmlContent) {
    List<Map<String, Object>> srcList = new ArrayList<>(); //用来存储获取到的地址
    Map<String, Object> map = null;
    Pattern p = Pattern.compile("<(img|IMG)(.*?)(>|></img>|/>)");//匹配字符串中的img标签
    Matcher matcher = p.matcher(htmlContent);
    boolean hasPic = matcher.find();
    if (hasPic == true)//判断是否含有图片
    {
      while (hasPic) //如果含有图片,那么持续进行查找,直到匹配不到
      {
        String group = matcher.group(2);//获取第二个分组的内容,也就是 (.*?)匹配到的
        Pattern srcText = Pattern.compile("(src|SRC)=(\"|\')(.*?)(\"|\')");//匹配图片的地址
        Matcher matcher2 = srcText.matcher(group);
        if (matcher2.find()) {
          map = new HashMap<>();
          map.put("imgResourcePath", matcher2.group(3));
          srcList.add(map);//把获取到的图片地址添加到列表中
          map = null;
        }
        hasPic = matcher.find();//判断是否还有img标签
      }
    }
    return srcList;
  }

  public static List<Map<String, Object>> getVideoSrc(String htmlContent) {
    List<Map<String, Object>> srcList = new ArrayList<>(); //用来存储获取到的视频地址
    Map<String, Object> map = null;
    Pattern p = Pattern.compile("<(video|VIDEO)(.*?)(>|></video>|/>)");//匹配字符串中的video标签
    Matcher matcher = p.matcher(htmlContent);
    boolean hasPic = matcher.find();
    if (hasPic == true)//判断是否含有视频
    {
      while (hasPic) //如果含有视频,那么持续进行查找,直到匹配不到
      {
        String group = matcher.group(2);//获取第二个分组的内容,也就是 (.*?)匹配到的
        Pattern srcText = Pattern.compile("(src|SRC)=(\"|\')(.*?)(\"|\')");//匹配视频的地址
        Matcher matcher2 = srcText.matcher(group);
        if (matcher2.find()) {
          map = new HashMap<>();
          map.put("videoResourcePath", matcher2.group(3));
          srcList.add(map);//把获取到的视频地址添加到列表中
          map = null;
        }
        hasPic = matcher.find();//判断是否还有video标签
      }
    }
    return srcList;
  }

  public static List<Map<String, Object>> getAhref(String htmlContent) {
    List<Map<String, Object>> srcList = new ArrayList<>(); //用来存储获取到的超链接地址
    Map<String, Object> map = null;
    Pattern p = Pattern.compile("<(a|A)(.*?)(>|></a>|/>)");//匹配字符串中的a标签
    Matcher matcher = p.matcher(htmlContent);
    boolean hasPic = matcher.find();
    if (hasPic == true)//判断是否含有超链接
    {
      while (hasPic) //如果含有超链接,那么持续进行查找,直到匹配不到
      {
        String group = matcher.group(2);//获取第二个分组的内容,也就是 (.*?)匹配到的
        Pattern srcText = Pattern.compile("(href|HREF)=(\"|\')(.*?)(\"|\')");//匹配超链接的地址
        Matcher matcher2 = srcText.matcher(group);
        if (matcher2.find()) {
          map = new HashMap<>();
          map.put("aResourcePath", matcher2.group(3));
          srcList.add(map);//把获取到的超链接地址添加到列表中
          map = null;
        }
        hasPic = matcher.find();//判断是否还有a标签
      }
    }
    return srcList;
  }
}

以上这篇Java HtmlParse提取标签中的值操作就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。

相关文章

  • java仅用30行代码就实现了视频转音频的批量转换

    java仅用30行代码就实现了视频转音频的批量转换

    这篇文章主要介绍了java仅用30行代码就实现了视频转音频的批量转换,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2021-04-04
  • Java 梳理总结关于static关键字常见问题

    Java 梳理总结关于static关键字常见问题

    static关键字基本概念我们可以一句话来概括:方便在没有创建对象的情况下来进行调用。也就是说:被static关键字修饰的不需要创建对象去调用,直接根据类名就可以去访问,让我们来了解一下你可能还不知道情况
    2022-04-04
  • maven中springboot-maven-plugin的5种打包方式

    maven中springboot-maven-plugin的5种打包方式

    本文主要介绍了maven中springboot-maven-plugin的5种打包方式,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2024-09-09
  • MapStruct实体间转换的简单用法

    MapStruct实体间转换的简单用法

    今天小编就为大家分享一篇关于MapStruct实体间转换的简单用法,小编觉得内容挺不错的,现在分享给大家,具有很好的参考价值,需要的朋友一起跟随小编来看看吧
    2019-03-03
  • 浅析Java中的WeakHashMap

    浅析Java中的WeakHashMap

    这篇文章主要介绍了浅析Java中的WeakHashMap,WeakHashMap其实和HashMap大多数行为是一样的,只是WeakHashMap不会阻止GC回收key对象,那么WeakHashMap是怎么做到的呢,这就是我们研究的主要问题,需要的朋友可以参考下
    2023-09-09
  • IntelliJ IDEA2022.3 springboot 热部署含静态文件(最新推荐)

    IntelliJ IDEA2022.3 springboot 热部署含静态文件(最新推荐)

    这篇文章主要介绍了IntelliJ IDEA2022.3 springboot 热部署含静态文件,本文结合实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2023-01-01
  • Spring事务管理下synchronized锁失效问题的解决方法

    Spring事务管理下synchronized锁失效问题的解决方法

    这篇文章主要给大家介绍了关于Spring事务管理下synchronized锁失效问题的解决方法,文中通过示例代码介绍的非常详细,对大家学习或者使用Spring具有一定的参考学习价值,需要的朋友可以参考下
    2022-03-03
  • 一文搞懂并学会使用SpringBoot的Actuator运行状态监控组件的详细教程

    一文搞懂并学会使用SpringBoot的Actuator运行状态监控组件的详细教程

    这篇文章主要介绍了一文搞懂并学会使用SpringBoot的Actuator运行状态监控组件,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2020-09-09
  • java多线程之线程安全的单例模式

    java多线程之线程安全的单例模式

    这篇文章主要为大家详细介绍了java多线程之线程安全的单例模式,文章内容全面,感兴趣的小伙伴们可以参考一下
    2016-03-03
  • Spring boot动态修改日志级别的方法

    Spring boot动态修改日志级别的方法

    我们经常会遇到业务想看debug日志的问题,但是debug日志频繁打印会对日志查看有影响,且日志多对系统也会有一定的压力,因此,如果可以在需要的时候动态临时调整下日志的级别则是比较完美的,spring boot已经支持这种功能,需要的朋友可以参考下
    2022-12-12

最新评论