htmlparser.jar是一款系统重要的htmlparser.jar开源包。它不依赖于其它的java库文件,主要用于改造或提取html,主要用于改造或提取html。它能超高速解析html,有需要的可以下载来使用。
功能说明:
1、信息提取
文本信息抽取,例如对HTML进行有效信息搜索;
链接提取,用于自动给页面的链接文本加上链接的标签;
资源提取,例如对一些图片、声音的资源的处理;
链接检查,用于检查HTML中的链接是否有效;
页面内容的监控。
2、信息转换
链接重写,用于修改页面中的所有超链接;
网页内容拷贝,用于将网页内容保存到本地;
内容检验,可以用来过滤网页上一些令人不愉快的字词;
HTML信息清洗,把本来乱七八糟的HTML信息格式化;
转成XML格式数据。