Java HTML Parser应用
最近因为项目需要，研究了java html parser类库的应用。记录下使用要点：
主要的类说明：
1、Parser类
解析器主类，负责载入HTML代码并解析。
2、Node接口
用来表征在解析过程中使用的语法单元。示例如下段html代码：
<span> ----Tag node
text ----Text Node
</span>
文本和标签都是独立的node元素。text文本是标签span的child node
3、NodeFilter
标签过滤器接口，用来在parser或NodeList中过滤出需要的某一类node。
4、NodeList
数据结构，表示Node的集合
需要特别注意的地方：
Parser和NodeList都有一个名为extractAllNodesThatMatch(NodeFilter filter)的方法用来过滤出符合某个条件的node，但是其内部的实现机制不同。
Parser是在解析器的功能基础上使用Iteror实现。每次调用该方法后需要执行reset方法，否则会影响下一次调用的结果。
而NodeList是在内部的数组上进行循环判断，因此各次调用之间不会互相影响，效率也比Parser的高，土建使用。
代码示例：
实现getElementByID功能
<code>
public class NodeIDFilter implements NodeFilter {
private String id;
public NodeIDFilter(String id)
{
this.id=id;
}
public boolean accept(Node node) {
if(node instanceof Tag)
{
if(!((Tag)node).isEndTag())
{
String s=((Tag)node).getAttribute("id");
if(s!=null)
return s.equals(this.id);
}
}
return false;
// throw new UnsupportedOperationException("Not supported yet.");
}
}
public class MHTMLParser
{
....
protected Node getElementById(String id) throws ParserException
{
//this.myparser.reset();
if(this.mNodeList==null||this.mNodeList.size()==0) return null;
NodeIDFilter nodef = new NodeIDFilter(id);
NodeList nl = this.mNodeList.extractAllNodesThatMatch(nodef,true);
//
if (nl.size() != 0)
{
return nl.elementAt(0);
}
return null;
}
}
</code>
相关文档：
語法
說明
<! - - ... - ->
用於HTML文件中的註解
<A HREF TARGET=>
指定超鏈結的分割視窗目標
<A HREF=#錨的名稱>
設定鏈結錨點的名稱
<A HREF=>
設定超鏈 ......
取得当前系统时间 System.currentTimeMillis()
返回毫秒时间，为long型整数，
该函数在进行系统性能监控时最常用到
例：
long start = System.currentTimeMillis();
//要监控的代码段
long end = System.currentTimeMillis();
System.out.println(end-start);
有时要监控� ......
win7系统下Java环境变量的配置 Jdk版本为1.6
打开控制面板->用户帐户->更改我的环境变量
变量名：JAVA_HOME
变量值：D:\Program Files\Java\jdk1.6.0_12(这只是我的JDK安装路径)
变量名：Path
在变量值的最前面加上：%JAVA_HOME%\bin;（若已经有Path项，无须另外新 ......
Java的字符类型采用的是UTF-16编码方式对Unicode编码表进行表示。其中一个char类型固定2Bytes（16bits）。首先先介绍一下Unicode编码表和UTF-16编码算法：
Unicode编码表的专业术语：
代码点 (code point): 指在Unicode编码表中一个字符所对� ......
