nekohtml经典小例子一个

gcgmh

public class Demo {public static String TextExtractor(Node root){   //若是文本节点的话，直接返回   if (root.getNodeType() == Node.TEXT_NODE) {    return root.getNodeValue().trim();   }   if(root.getNodeType() == Node.ELEMENT_NODE) {    Element elmt = (Element) root;    //抛弃脚本    if (elmt.getTagName().equals("STYLE")      || elmt.getTagName().equals("SCRIPT"))     return "";       NodeList children = elmt.getChildNodes();    StringBuilder text = new StringBuilder();    for (int i = 0; i < children.getLength(); i++) {     text.append(TextExtractor(children.item(i)));    }    return text.toString();   }   //对其它类型的节点，返回空值   return "";}public static void main(String[] args) throws Exception{   //生成html parser   DOMParser parser = new DOMParser();   //设置网页的默认编码   parser.setProperty(     "http://cyberneko.org/html/properties/default-encoding",     "gb18030");   //input file   BufferedReader in = new BufferedReader(new FileReader("input.htm"));   parser.parse(new InputSource(in));   Document doc = parser.getDocument();   //获得body节点，以此为根，计算其文本内容   Node body = doc.getElementsByTagName("BODY").item(0);   System.out.println(TextExtractor(body));}}