淺談HtmlCleaner+XPath解析html或者xml

解析html或者xml可以選用：

DocumentBuilder或者HtmlCleaner

DocumentBuilder與js中document沒有太大的區別，而且不適用，在此不過多介紹。

進入正題：

HtmlCleaner是一個開源的Java語言的Html文檔解析器。HtmlCleaner能夠重新整理HTML文檔的每個元素並生成結構良好(Well-Formed)的 HTML 文檔。默認它遵循的規則是類似於大部份web 瀏覽器為創 文檔對象模型所使用的規則。然而，用戶可以提供自定義tag和規則組來進行過濾和匹配。它被設計的小，快速，靈活而且獨立。HtmlCleaner也可用在Java代碼中，當命令行工具或Ant任務。 解析后編程輕量級文檔對象，能夠很容易的被轉換到DOM或者JDom標准文檔，或者通過各種方式(壓縮，打印)連續輸出XML。

代碼部分：

首先我們要創建一個HtmlCleaner

HtmlCleaner htmlCleaner = new HtmlCleaner();

然后我們就可以用他來獲取文件了。

TagNode tagNode= htmlCleaner.clean(content);

content可以是文件，也可以是hmtl字符串。

主要方法：

Object[] tbodyNodeArray = tagNode.evaluateXPath(XPath);

這里XPath為你要讀取的目錄，可以是/body/table[2]/tbody/tr/td[2]/table[4]/tbody/tr/td/table/tbody  

這樣，直接讀取到table。

也可以直接讀取你所需要的值，這里xpath的目錄怎么獲取呢？

首先你需要安裝一個火狐瀏覽器，然后在插件中找到火狐調試模式插件。然后再你想要讀取的html中按f12鍵，就會有顯示html中內容直接上截圖以便大家能夠更清晰的理解：

這里從body中選取你要讀取的內容如圖：

 

然后右鍵復制xpath，就可以讀取到你要內容了。

直接把目錄給到td或者table都可以。給大家貼一段我的代碼，相信大家就可以清晰的知道步驟了：

tagNode = htmlCleaner.clean(content);
            Object[] tbodyNodeArray = tagNode.evaluateXPath(XPath);
            
            for (Object tbodyNode : tbodyNodeArray) {//tbody
                TagNode tbody = (TagNode) tbodyNode;
                Object[] trNodeArray = tbody.getChildTags();
                
                for (Object trNode : trNodeArray) {//tr
                    TagNode tr = (TagNode) trNode;
                    Object[] tdNodeArray = tr.getChildTags();
                    
                    for (Object tdNode : tdNodeArray) {//td
                        TagNode td = (TagNode) tdNode;
                        //td.getText(); //輸出值                    }
                    
                }
            }

以上就是xpath解析步驟，相信可以給大家一個思路了