这两天需要做一些东西，需要抓取别人网页中的一些信息。最后用htmlparser来解析html。
直接从代码中看吧：
首先需要注意导入包为：import org.htmlparser下面的包
复制代码 代码如下:
list<mp3> mp3list = new arraylist<mp3>();
try{
parser parser = new parser(htmlstr);//初始化parser，这里要注意导入包为org.htmlparser。这里参数有很多。这个地方我写的是提前获取好的html文本。也可以传入url对象
parser.setencoding("utf-8");//设置编码机
andfilter filter =
new andfilter(
new tagnamefilter("div"),
new hasattributefilter("id","songlistwrapper")
);//通过filter找到div且div的id为songlistwrapper
nodelist nodes = parser.parse(filter);//通过filter获取nodes
node node = nodes.elementat(0);
nodelist nodeschild = node.getchildren();
node[] nodesarr = nodeschild.tonodearray();
nodelist nodeschild2 = nodesarr[1].getchildren();
node[] nodesarr2 = nodeschild2.tonodearray();
node nodeul = nodesarr2[1];
node[] nodesli = nodeul.getchildren().tonodearray();//解析出nodesli为想要的
for(int i=2;i<nodesli.length;i++){
//system.out.println(nodesli[i].tohtml());
node tempnode = nodesli[i];
tagnode tagnode = new tagnode();//通过tagnode获得属性，只有将node转换为tagnode才能获取某一个标签的属性
tagnode.settext(tempnode.tohtml());
string clastr = tagnode.getattribute("class");//clastr为bb-dotimg clearfix song-item-hook { 'songitem': { 'sid': '113275822', 'sname': '我的要求不算高', 'author': '黄渤' } }
clastr = clastr.replaceall(" ", "");
if(clastr.indexof("\\?")==-1){
pattern pattern = pattern.compile("[\\s\\wa-z\\-]+\\{'songitem':\\{'sid':'([\\d]+)','sname':'([\\s\\s]*)','author':'([\\s\\s]*)'\\}\\}");
matcher matcher = pattern.matcher(clastr);
if(matcher.find()){
mp3 mp3 = new mp3();
mp3.setsid(matcher.group(1));
mp3.setsname(matcher.group(2));
mp3.setauthor(matcher.group(3));
mp3list.add(mp3);
//for(int j=1;j<=matcher.groupcount();j++){
//system.out.print(" "+j+"--->"+matcher.group(j));
//}
}
}
//system.out.println(matcher.find());
}
}catch(exception e){
e.printstacktrace();
}
以上是我在项目中解析的东西，使用还是比较简单的，容易上手。
////clastr为bb-dotimg clearfix song-item-hook { 'songitem': { 'sid': '113275822', 'sname': '我的要求不算高', 'author': '黄渤
则是从网页中解析到的内容。
