ITPub博客

首页 > Linux操作系统 > Linux操作系统 > HtmlParser —— 抓取百度新歌TOP100

HtmlParser —— 抓取百度新歌TOP100

原创 Linux操作系统 作者:xiaolitnt 时间:2010-01-22 12:26:52 0 删除 编辑

import  org.htmlparser.NodeFilter;

import  org.htmlparser.Parser;

import  org.htmlparser.filters.HasAttributeFilter;

import  org.htmlparser.filters.NodeClassFilter;

import  org.htmlparser.filters.TagNameFilter;

import  org.htmlparser.tags.LinkTag;

import  org.htmlparser.tags.Span;

import  org.htmlparser.tags.TableColumn;

import  org.htmlparser.tags.TableRow;

import  org.htmlparser.tags.TableTag;

import  org.htmlparser.util.NodeList;

import  org.htmlparser.util.ParserException;

 

 

public  class  test3  {

    public  static  void  main(String[]  args)  throws  ParserException  {

       String  url  =  "http://list.mp3.baidu.com/top/top100.html";

       Parser  parser  =  new  Parser(url);

       NodeFilter  filter_table  =  new  NodeClassFilter(TableTag.class);

       NodeFilter  filter_span  =  new  NodeClassFilter(Span.class);

       NodeFilter  filter_link  =  new  TagNameFilter("A");

       NodeFilter  filter_search  =  new  HasAttributeFilter("class","search");

       NodeList  nodelist  =  parser.extractAllNodesThatMatch(filter_table);

       for(int  i  =  0    ;  i  <  nodelist.size()  ;  i++){

           TableTag  table  =  (TableTag)  nodelist.elementAt(i);

           for(int  j  =  0  ;  j  <  table.getRowCount()  ;  j++){

              TableRow  row  =  table.getRow(j);

              TableColumn[]  column  =  row.getColumns();

              for(int  m  =  0  ;  m  <  row.getColumnCount()  ;  m++){

                  String  tempstr  =  column[m].getStringText()  ;

                  parser  =  Parser.createParser(tempstr,"utf-8");

                  NodeList  list_span  =  parser.extractAllNodesThatMatch(filter_span);

                  if(list_span.size()  >  0){

                     for(int  i1  =  0  ;  i1  <  list_span.size()  ;  i1++){

                         System.out.print(list_span.elementAt(i1).toPlainTextString()  +  "    ");

                     }

                  }

                  parser.reset();

                  NodeList  list_link  =  parser.extractAllNodesThatMatch(filter_link);

                  if(list_link.size()  >  0){

                     for(int  i1  =  0  ;  i1  <  list_link.size()  ;  i1++){

                         String  content  =  ((LinkTag)list_link.elementAt(i1)).getLinkText()  ;

                         if(!content.equals(null)){

                            System.out.print(content  +  "    ");

                         }

                     }

                  }

                  parser.reset();

                  NodeList  list_search  =  parser.extractAllNodesThatMatch(filter_search);

                  if(list_search.size()  >  0){

                     for(int  i1  =  0  ;  i1  <  list_search.size()  ;  i1++){  

                         String  link  =  ((LinkTag)list_search.elementAt(i1)).getLink()  ;

                         if(!link.equals(null)){

                            System.out.print(link  +  "    ");

                         }

                     }

                  }

              }

              System.out.println();

           }

       }  

    }

}

 

 

来自 “ ITPUB博客 ” ,链接:https://blog.itpub.net/12199764/viewspace-625757/ ,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论

注册时间:2009-07-25

  • 博文量
    14
  • 访问量
    209919