在 Java 中使用 HTMLEditorKit 查询 HTML 文件时出现问题答案

【问题标题】：Problem querying an HTML file using HTMLEditorKit in Java在 Java 中使用 HTMLEditorKit 查询 HTML 文件时出现问题
【发布时间】：2009-11-05 11:42:13
【问题描述】：

我的 HTML 包含以下形式的标签：

<div class="author"><a href="/user/1" title="View user profile.">Apple</a> - October 22, 2009 - 01:07</div>

我想从每个标签中提取日期“2009 年 10 月 22 日 - 01:07”

我已经实现了 javax.swing.text.html.HTMLEditorKit.ParserCallback 如下：

class HTMLParseListerInner extends HTMLEditorKit.ParserCallback {   
    private ArrayList<String> foundDates = new ArrayList<String>();
    private boolean isDivLink = false;

    public void handleText(char[] data, int pos) {
        if(isDivLink)
            foundDates.add(new String(data)); // Extracts "Apple" instead of the date.
    }

    public void handleStartTag(HTML.Tag t, MutableAttributeSet a, int pos) {       
        String divValue = (String)a.getAttribute(HTML.Attribute.CLASS);
        if (t.toString() == "div" && divValue != null && divValue.equals("author"))
            isDivLink = true;
    }
}

但是，上面的解析器返回“Apple”，它位于标签内的超链接内。如何修复解析器以提取日期？

【问题讨论】：

标签： java html parsing

【解决方案1】：

覆盖handleEndTag 并检查"a"？

但是，这个 HTML 解析器是 90 年代初期的，这些方法没有很好地指定。

【讨论】：

虽然我想了想，但在Strings 上使用== 通常不是一个好主意。
我搜索了 Java 中的 html 解析器，这似乎是一个流行的解析器。如果您知道任何其他易于使用的解析器，如果您能介绍它们，我将不胜感激。

【解决方案2】：

import java.io.*;
import java.util.*;
import javax.swing.text.*;
import javax.swing.text.html.*;
import javax.swing.text.html.parser.*;

public class ParserCallbackDiv extends HTMLEditorKit.ParserCallback
{
    private boolean isDivLink = false;
    private String divText;

    public void handleEndTag(HTML.Tag tag, int pos)
    {
        if (tag.equals(HTML.Tag.DIV))
        {
            System.out.println( divText );
            isDivLink = false;
        }
    }

    public void handleStartTag(HTML.Tag tag, MutableAttributeSet a, int pos)
    {
        if (tag.equals(HTML.Tag.DIV))
        {
            String divValue = (String)a.getAttribute(HTML.Attribute.CLASS);

            if ("author".equals(divValue))
                isDivLink = true;
        }
    }

    public void handleText(char[] data, int pos)
    {
        divText = new String(data);
    }

    public static void main(String[] args)
    throws IOException
    {
        String file = "<div class=\"author\"><a href=\"/user/1\"" +
            "title=\"View user profile.\">Apple</a> - October 22, 2009 - 01:07</div>";
        StringReader reader = new StringReader(file);

        ParserCallbackDiv parser = new ParserCallbackDiv();

        try
        {
            new ParserDelegator().parse(reader, parser, true);
        }
        catch (IOException e)
        {
            System.out.println(e);
        }
    }
}

【讨论】：