zj.parser.util

接口 HtmlTableParserUtil.IHtmlParserCall

所有已知实现类:

SimpleHtmlParser

封闭类:

HtmlTableParserUtil

public static interface HtmlTableParserUtil.IHtmlParserCall

html解析工具类接口

版本:

1.0

作者:

张军 张军QQ空间

字段概要

字段

限定符和类型	字段和说明
static java.lang.String	PARAM_END_PAGE_COUNT 结束页
static java.lang.String	PARAM_FORMAT_PAGE_URL (必须设置或实现接口)格式化每页地址,用{0}替换页面
static java.lang.String	PARAM_HOME_URL (必须设置)爬虫主页
static java.lang.String	PARAM_MANUAL_TASK_URLS 是否自定义获取任务urls,默认自动获取false,通过getFixedBatchList设置task,否则手动获取:true 此设置后不用设置PARAM_HOME_URL，PARAM_FORMAT_PAGE_URL，PARAM_XPATH_PAGE_COUNT，PARAM_START_PAGE_COUNT，PARAM_END_PAGE_COUNT
static java.lang.String	PARAM_MAX_PAGE_COUNT 处理最多总页数
static java.lang.String	PARAM_MAX_THREAD_COUNT 最大线程数
static java.lang.String	PARAM_RECORD_COUNT 最多抽取记录数
static java.lang.String	PARAM_RETURN 添加返回值键值对
static java.lang.String	PARAM_START_PAGE_COUNT 开始页
static java.lang.String	PARAM_XPATH_CONTENT (必须设置)文章查xpath路径，默认精确到下拉获取
static java.lang.String	PARAM_XPATH_PAGE_COUNT (必须设置)总页数xpath路径，默认精确到总页数上面一层
static java.lang.String	PARAM_XPATH_TITLES (必须设置)标题列表xpath路径，默认精确到a链接
static java.lang.String	RETURN_CONTENT 标题内容
static java.lang.String	RETURN_PATH 地址
static java.lang.String	RETURN_TITLE 标题
static java.lang.String	RETURN_TITLE_HREF 标题链接

方法概要

方法

限定符和类型	方法和说明
java.lang.String	content(com.gargoylesoftware.htmlunit.html.HtmlPage page, java.lang.String xpathContent) 获取内容
java.util.List<java.lang.String>	getTasks() 获取任务url
int	pageCount(com.gargoylesoftware.htmlunit.html.DomElement element) 获取页面总页数
java.lang.String	pageUrl(java.lang.String url, int page) 获取分页地址
java.lang.String	title(com.gargoylesoftware.htmlunit.html.DomElement element) 获取标题的名称
com.gargoylesoftware.htmlunit.html.DomElement	titleDomElement(com.gargoylesoftware.htmlunit.html.DomElement element) 获取标题的DomElement
java.lang.String	titleHref(com.gargoylesoftware.htmlunit.html.DomElement element) 获取标题的链接

字段详细资料

PARAM_HOME_URL

static final java.lang.String PARAM_HOME_URL

(必须设置)爬虫主页

另请参阅:

常量字段值

PARAM_XPATH_PAGE_COUNT

static final java.lang.String PARAM_XPATH_PAGE_COUNT

(必须设置)总页数xpath路径，默认精确到总页数上面一层

另请参阅:

常量字段值

PARAM_START_PAGE_COUNT

static final java.lang.String PARAM_START_PAGE_COUNT

开始页

另请参阅:

常量字段值

PARAM_END_PAGE_COUNT

static final java.lang.String PARAM_END_PAGE_COUNT

结束页

另请参阅:

常量字段值

PARAM_MAX_PAGE_COUNT

static final java.lang.String PARAM_MAX_PAGE_COUNT

处理最多总页数

另请参阅:

常量字段值

PARAM_FORMAT_PAGE_URL

static final java.lang.String PARAM_FORMAT_PAGE_URL

(必须设置或实现接口)格式化每页地址,用{0}替换页面

另请参阅:

常量字段值

PARAM_MAX_THREAD_COUNT

static final java.lang.String PARAM_MAX_THREAD_COUNT

最大线程数

另请参阅:

常量字段值

PARAM_XPATH_TITLES

static final java.lang.String PARAM_XPATH_TITLES

(必须设置)标题列表xpath路径，默认精确到a链接

另请参阅:

常量字段值

PARAM_XPATH_CONTENT

static final java.lang.String PARAM_XPATH_CONTENT

(必须设置)文章查xpath路径，默认精确到下拉获取

另请参阅:

常量字段值

PARAM_RECORD_COUNT

static final java.lang.String PARAM_RECORD_COUNT

最多抽取记录数

另请参阅:

常量字段值

PARAM_MANUAL_TASK_URLS

static final java.lang.String PARAM_MANUAL_TASK_URLS

是否自定义获取任务urls,默认自动获取false,通过getFixedBatchList设置task,否则手动获取:true 此设置后不用设置PARAM_HOME_URL，PARAM_FORMAT_PAGE_URL，PARAM_XPATH_PAGE_COUNT，PARAM_START_PAGE_COUNT，PARAM_END_PAGE_COUNT

另请参阅:

常量字段值

PARAM_RETURN

static final java.lang.String PARAM_RETURN

添加返回值键值对

另请参阅:

常量字段值

RETURN_TITLE

static final java.lang.String RETURN_TITLE

标题

另请参阅:

常量字段值

RETURN_TITLE_HREF

static final java.lang.String RETURN_TITLE_HREF

标题链接

另请参阅:

常量字段值

RETURN_CONTENT

static final java.lang.String RETURN_CONTENT

标题内容

另请参阅:

常量字段值

RETURN_PATH

static final java.lang.String RETURN_PATH

地址

另请参阅:

常量字段值

方法详细资料

pageCount

int pageCount(com.gargoylesoftware.htmlunit.html.DomElement element)

获取页面总页数

参数:

element - 当前节点对象

pageUrl

java.lang.String pageUrl(java.lang.String url,
                       int page)

获取分页地址

参数:

url - 替换的url

element - 当前页面（从1开始）

titleDomElement

com.gargoylesoftware.htmlunit.html.DomElement titleDomElement(com.gargoylesoftware.htmlunit.html.DomElement element)

获取标题的DomElement

参数:

element - 当前节点对象

title

java.lang.String title(com.gargoylesoftware.htmlunit.html.DomElement element)

获取标题的名称

参数:

element - 当前节点对象

titleHref

java.lang.String titleHref(com.gargoylesoftware.htmlunit.html.DomElement element)

获取标题的链接

参数:

element - 当前节点对象

content

java.lang.String content(com.gargoylesoftware.htmlunit.html.HtmlPage page,
                       java.lang.String xpathContent)

获取内容

参数:

page - 当前节点对象

xpathContent - 内容路径

getTasks

java.util.List<java.lang.String> getTasks()

获取任务url

返回: