有时候我们拿到一个HTML文本的时候我们并不在意它的格式,而只是想提取其中包含的文本信息。例如说为了在手机上显示一个超文本,如果直接显示的话那肯定会收到一大堆的错误,很多手机根本没有能力显示HTML信息,因此我们需要把存在于HTML中的文本提取出来并使用WML来重新组合以便手机可以正确的查看,这样做虽然丢失了格式,但是毕竟这种情况下更关心的是数据。下面给出一段程序完成这个功能,很简单!
/*
* Created on 2004-7-11
*/
package com.clickcom.wcp.util;
import org.htmlparser.Node;
import org.htmlparser.NodeFilter;
import org.htmlparser.Parser;
import org.htmlparser.util.NodeList;
/**
* 用于处理HTML信息的工具集合
* @author liudong
*/
public class HtmlUtils {
/**
* 抽取纯文本信息
* @param inputHtml
* @return
*/
public static String extractText(String inputHtml) throws Exception{
StringBuffer text = new StringBuffer();
Parser parser = Parser.createParser(new String(inputHtml.getBytes(),"8859_1"));
//遍历所有的节点
NodeList nodes = parser.extractAllNodesThatMatch(new NodeFilter(){
public boolean accept(Node node) {
return true;
}});
Node node = nodes.elementAt(0);
text.append(new String(node.toPlainTextString().getBytes("8859_1")));
return text.toString();
}
public static void main(String[] args) throws Exception{
String text = extractText("<td>点击<b><a href=index.jsp>这里</a></b>回到首页</td>");
System.out.println(text);
}
}
|