HtmlCleanner结合xpath用法

gcgmh

HtmlCleaner cleaner = new HtmlCleaner();                   TagNode node = cleaner.clean(new URL("http://finance.sina.com.cn/money/nmetal/20091209/10157077895.shtml"));           //按tag取.           Object[] ns = node.getElementsByName("title", true);    //标题                   if(ns.length > 0) {               System.out.println("title="+((TagNode)ns[0]).getText());           }           // /html/body/div[2]/div[4]/div/div/div/div[2]/p        ns = node.evaluateXPath("//div[@class=\"blkContainerSblkCon\"]/p"); //选取class为指定blkContainerSblkCon的div下面的所有p标签        for (int i = 0; i < ns.length; i++) {         String in = cleaner.getInnerHtml((TagNode)ns);             System.out.println("<p>"+in + "</p>");}        String in = cleaner.getInnerHtml((TagNode)ns[0]);        System.out.println(in);        System.out.println(((TagNode)ns[0]).getText());

        HtmlCleaner cleaner = new HtmlCleaner();           String url = "http://finance.sina.com.cn/nmetal/hjfx.html";        URL _url = new URL(url);        TagNode node = cleaner.clean(_url);                   //按tag取.           Object[] ns = node.getElementsByName("title", true);    //标题                   if(ns.length > 0) {             System.out.println("title="+((TagNode)ns[0]).getText());           }                          ns = node.evaluateXPath("//*[@class='Frame-Row3-01-C']/table[2]/tbody/tr/td/a"); //选取class为指定blkContainerSblkCon的div下面的所有p        for (int i = 0; i < ns.length; i++) {                //取链接文本//         String in = cleaner.getInnerHtml((TagNode)ns);//           System.out.println(in);                //获取链接的        TagNode n = (TagNode) ns;//        System.out.println(n.getAttributeByName("href"));        System.out.println(new URL(_url,n.getAttributeByName("href")).toString());}//        String in = cleaner.getInnerHtml((TagNode)ns[0]);//        System.out.println(in);//        System.out.println(((TagNode)ns[0]).getText());        //        System.out.println("ul/li:");   //        //按xpath取   //        ns = node.evaluateXPath("//div[@class='d_1']//li");   //        for(Object on : ns) {   //            TagNode n = (TagNode) on;   //            System.out.println("\ttext="+n.getText());   //        }   //        System.out.println("a:");   //        //按属性值取   //        ns = node.getElementsByAttValue("name", "my_href", true, true);   //        for(Object on : ns) {   //            TagNode n = (TagNode) on;   //            System.out.println("\thref="+n.getAttributeByName("href")+", text="+n.getText());   //        }      



XPath文档：http://www.w3school.com.cn/xpath/xpath_syntax.asp