HtmlParser解析思路彙總

時間 2019-11-16

標籤 htmlparser 解析思路彙總欄目 HTML 简体版

原文原文鏈接

HTMLParser使用方式彙總（適用C# JAVA）：html

1. Lexer模式：node

2. NodeFilter模式web

3. NodeVisitor模式ide

-----------------------------------------涯上月灬指香專用分割線---------------------------------------------spa

1. HTMLParser解析的數據來源：　 htm

　　WebClient webclient = new WebClient();
　　String htmlContent = webclient.DownloadString("https://www.baidu.com/");blog

2. (Lexer模式)繼承

　　 使用依據：該模式對總體數據負責，會返回一個線性的Node節點序列：rem

　　 使用方式：string

　　　　　　Lexer lexer = new Lexer(htmlContent);
　　　　　　Parser parser = new Parser();
　　　　　　parser.Lexer = lexer;
　　　　　　NodeList nodelist = parser.Parse(null); //開始解析，返回一個全部節點的線性序列
　　　　　　int size = nodelist.Size();
　　　　　　Console.WriteLine("掃描節點數：" + nodelist.Size());
　　　　　　for (int i = 0; i < size; i++)
　　　　　　　{
　　　　　　　　INode node = nodelist.ElementAt(i);
　　　　　　　　Console.WriteLine(node.ToString());
　　　　　　　}
　　　　　　Console.WriteLine("掃描結束");

3. （NodeFilter模式）

　使用依據：根據NodeFilter的要求過濾出符合要求的Node，只對結果負責

使用方式：　　　

　　　　　　　　Parser parser = new Parser();
　　　　　　　　parser.InputHTML = htmlContent;
　　　　　　　　NodeList nodelist = parser.Parse(new NodeClassFilter(typeof(Winista.Text.HtmlParser.Tags.ImageTag))); //指定過濾出的標籤爲<Img>
　　　　　　　　for (int i = 0; i < nodelist.Size(); i++)
　　　　　　　　　　{
　　　　　　　　　　　　ImageTag node = (ImageTag)nodelist.ElementAt(i);
　　　　　　　　　　　　Console.WriteLine("href = {0}", node.ImageURL);
　　　　　　　　　　}

　　　　　　　　//若是沒有你須要的過濾節點類型，可自定義節點過濾器
　　　　　　　　NodeList nodelist = parser.Parse(new CustomNodeFilter());
　　　　　　　　for (int i = 0; i < nodelist.Size(); i++)
　　　　　　　　　　{
　　　　　　　　　　　　INode node = nodelist.ElementAt(i);
　　　　　　　　　　　　Console.WriteLine(node.GetText());
　　　　　　　　　　}

　　　　　　　　class CustomNodeFilter : NodeFilter

　　　　　　　　{

　　　　　　　　　　public bool Accept(INode node) //自定義過濾器的條件

　　　　　　　　　　　　{
　　　　　　　　　　　　　　if(node is MetaTag)
　　　　　　　　　　　　　　　{
　　　　　　　　　　　　　　　　MetaTag tag = (MetaTag)node;
　　　　　　　　　　　　　　　　if(tag.GetAttribute("title") != null)
　　　　　　　　　　　　　　　　　{
　　　　　　　　　　　　　　　　　　return true;
　　　　　　　　　　　　　　　　　}
　　　　　　　　　　　　　　　}
　　　　　　　　　　　　　　return false;
　　　　　　　　　　　　}
　　　　　　　　 }

　　　　Ps:

　　　　(繼承樹)

　　　　(Tags 類型圖)

4. （NodeVisitor模式）

使用條件：須要瞭解Parser解析過程，該模式對過程負責

　　　使用方式：

　　　　　　　　　　Parser parser = new Parser();
　　　　　　　　parser.InputHTML = htmlContent;
　　　　　　　　parser.VisitAllNodesWith(new CustomNodeVIsitor());

　　　　　　　　class CustomNodeVIsitor: NodeVisitor
　　　　　　　　　　{
　　　　　　　　　　　　public override void BeginParsing() //當開始解析Html時回調
　　　　　　　　　　　　　　{
　　　　　　　　　　　　　　　　Console.WriteLine("開始解析Html頁面");
　　　　　　　　　　　　　　}

　　　　　　　　　　　　public override void VisitTag(ITag tag) //當訪問到一對標籤的開始標籤時回調，像<html>...</html> 中的<html>
　　　　　　　　　　　　　　{
　　　　　　　　　　　　　　　　Console.WriteLine("開始解析TAG" + tag.TagName);
　　　　　　　　　　　　　　}

　　　　　　　　　　　　public override void VisitEndTag(ITag tag) //當訪問到一對標籤的結束標籤時回調，像<html>...</html>中的</html>

　　　　　　　　　　　　　　{
　　　　　　　　　　　　　　　　Console.WriteLine("結束解析TAG" + tag.TagName);
　　　　　　　　　　　　　　}

　　　　　　　　　　　　public override void VisitStringNode(IText string_Renamed) //當訪問到文本標籤時回調, 像<div>我是內容</div>中的「我是內容」就是一個文本標籤
　　　　　　　　　　　　　　{
　　　　　　　　　　　　　　　　Console.WriteLine("掃描到文本標籤了");
　　　　　　　　　　　　　　}

　　　　　　　　　　　　public override void VisitRemarkNode(IRemark remark) //當訪問到註釋標籤時，回調
　　　　　　　　　　　　　　{
　　　　　　　　　　　　　　　　Console.WriteLine("掃描到註釋標籤了");
　　　　　　　　　　　　　　}
　　　　　　　　　　　}

相關標籤/搜索

每日一句

每一个你不满意的现在，都有一个你没有努力的曾经。