利用java实现读取html文件中的body标签和内容
利用java实现读取html文件中的body标签和内容?针对这个问题,这篇文章详细介绍了相对应的分析和解答,希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
这里的获取的是html文件中body中的所有标签以及内容
package com.lmt.service.file; import java.io.BufferedReader; import java.io.File; import java.io.FileInputStream; import java.io.InputStreamReader; import java.io.Reader; import org.springframework.stereotype.Component; import com.lmt.config.UrlConstants; @Component public class ParseFile { /** * 解析html文件 * @param file * @return */ public String readHtml(File file){ String body = ""; try { FileInputStream iStream = new FileInputStream(file); Reader reader = new InputStreamReader(iStream); BufferedReader htmlReader = new BufferedReader(reader); String line; boolean found = false; while (!found && (line = htmlReader.readLine()) != null) { if (line.toLowerCase().indexOf("<body") != -1) { // 在<body>的前面可能存在空格 found = true; } } found = false; while (!found && (line = htmlReader.readLine()) != null) { if (line.toLowerCase().indexOf("</body") != -1) { found = true; } else { // 如果存在图片,则将相对路径转换为绝对路径 String lowerCaseLine = line.toLowerCase(); if (lowerCaseLine.contains("src")) { //这里是定义图片的访问路径 String directory = "D:/test"; // 如果路径名不以反斜杠结尾,则手动添加反斜杠 /*if (!directory.endsWith("\\")) { directory = directory + "\\"; }*/ // line = line.substring(0, lowerCaseLine.indexOf("src") + 5) + directory + line.substring(lowerCaseLine.indexOf("src") + 5); /*String filename = extractFilename(line); line = line.substring(0, lowerCaseLine.indexOf("src") + 5) + directory + filename + line.substring(line.indexOf(filename) + filename.length()); */ // 如果该行存在多个<img>元素,则分行进行替代 String[] splitLines = line.split("<img\\s+"); // <img后带一个或多个空格 // 因为java中引用的问题不能使用for each for (int i = 0; i < splitLines.length; i++) { if (splitLines[i].toLowerCase().startsWith("src")) { splitLines[i] = splitLines[i].substring(0, splitLines[i].toLowerCase().indexOf("src") + 5) + directory + splitLines[i].substring(splitLines[i].toLowerCase().indexOf("src") + 5); } } // 最后进行拼接 line = ""; for (int i = 0; i < splitLines.length - 1; i++) { // 循环次数要-1,因为最后一个字符串后不需要添加<img line = line + splitLines[i] + "<img "; } line = line + splitLines[splitLines.length - 1]; } body = body + line + "\n"; } } htmlReader.close(); // System.out.println(body); } catch (Exception e) { e.printStackTrace(); } return body; } /** * * @param htmlLine 一行html片段,包含<img>元素 * @return 文件名 */ public static String extractFilename(String htmlLine) { int srcIndex = htmlLine.toLowerCase().indexOf("src="); if (srcIndex == -1) { // 图片不存在,返回空字符串 return ""; } else { String htmlSrc = htmlLine.substring(srcIndex + 4); char splitChar = '\"'; // 默认为双引号,但也有可能为单引号 if (htmlSrc.charAt(0) == '\'') { splitChar = '\''; } String[] firstSplit = htmlSrc.split(String.valueOf(splitChar)); String path = firstSplit[1]; // 第0位为空字符串 String[] secondSplit = path.split("[/\\\\]"); // 匹配正斜杠或反斜杠 return secondSplit[secondSplit.length - 1]; } } }
补充知识:StandardEngine[Catalina].StandardHost[localhost].StandardContext[]
jar包没有正确导入
1、在 build path 中添加
2、如果这里不添加在编译的时你的jar包将不会被导入
3、如果依然没有成功请删除user jar包重新导入
关于利用java实现读取html文件中的body标签和内容问题的解答就分享到这里了,希望以上内容可以对大家有一定的帮助,如果你还有很多疑惑没有解开,可以关注行业资讯频道了解更多相关知识。