当前位置：首页 > 软件库 > Web应用开发 > HTML解析器 >

woody

HTML 解析/提取器

授权协议 Apache

开发语言 Java

所属分类 Web应用开发、 HTML解析器

软件类型开源软件

地区国产

投递者米树

操作系统跨平台

开源组织无

适用人群未知

软件官网

软件文档

官方下载

软件概览

woody 是一款基于 Java 的 HTML 解析/提取器，用法非常类似 webmagic，是对其抽取模块的完全重写。

功能：

多种结果数据类型（String, char, byte, short int, long, double, float, string[], Set, List,Data）
支持用户之定义脚本处理函数（目前支持 Javascript 函数配置处理）
支持 css、xpath 内核替换
支持 filter 功能
对 css、xpath 内核对象的缓存

一个完整的例子：

public class OsChinaBlog {

	public static void main(String[] args) throws Exception {
		Document doc = Jsoup.connect("http://www.oschina.net/news/43879/webmagic-0-3-0").timeout(60000)
				.userAgent("Mozilla/5.0 (Macintosh; Intel Mac OS X 10.8; rv:23.0) Gecko/20100101 Firefox/23.0").get();
		String html = doc.html();
		OsChinaBlogModel model = AnnotationExtractor.me().process(html, OsChinaBlogModel.class);
		System.out.println(model.toJson());
	}

	public static class OsChinaBlogModel extends Model {

		public OsChinaBlogModel() {
			//use to reflect
		}

		@Inject
		@ComboExtract(value = { @ExtractBy(value = "h1.OSCTitle", type = ExprType.CSS),
				@ExtractBy(value = "//title/text()", type = ExprType.XPATH) }, op = OP.OR)
		public String title;

		@Inject
		@ExtractBy(value = "div.PubDate a[href~=http://my\\.oschina\\.net/]", type = ExprType.CSS)
		public String author;

		@Inject
		@ExtractBy(value = "发布于.\\s*(\\d+年\\d+月\\d+日)", type = ExprType.REGEX)
		public Date publishDate;

		@Inject
		@ComboExtract(value = {
				@ExtractBy(value = "div.PubDate", type = ExprType.CSS, setting = @Setting(outerHtml = true)),
				@ExtractBy(value = "(\\d+)评", type = ExprType.REGEX) }, op = OP.AND)
		public int commentNum;

		@Inject
		@ExtractBy(value = "span#p_favor_count", type = ExprType.CSS, setting = @Setting(function = @Function(value = "replace", args = {
				"+", "" })))
		public int collectNum;

		@Inject
		@ComboExtract(value = {
				@ExtractBy(value = "div[id=userComments]", type = ExprType.CSS, setting = @Setting(outerHtml = true)),
				@ExtractBy(value = "div.TextContent", type = ExprType.CSS) }, op = OP.AND, multi = true)
		public List commentContents;

		@Inject
		@ExtractBy(value = "div[id=toolbar_wrapper]", setting = @Setting(fliters = { "b", "span" }), type = ExprType.CSS, impl = Document.class)
		public String weibo;

	}
}

使用案例

Woody的Python学习笔记3

Python运算符 Python逻辑运算符 and布尔与-假设x为false。x and y返回false，否则它返回y的计算值。 or 布尔或-假设x是true，它返回true。否则它返回y的计算值。 not 布尔否-假设x是true，返回false。假设x为false。返回true。 Python成员运算符 Python支持
Woody的Python学习笔记4

Python模块 Import语句想要使用Python源文件，仅仅须要在还有一个源文件中运行import语句。语法例如以下： import module1 当解释器遇到import语句。假设模块在当前的搜索路径就会被导入。搜索路径是一个解释器会先进行搜索的全部文件夹的列表。 from…import语句
woody 3.0笔记本安装经历（pcmcia设置）

这篇文章是接《woody 3.0笔记本安装经历》系列写的，先请看前面几篇再看下文可能比较合适。但是如果你对debian没什么兴趣而对自己用的发行版很熟悉的，下面的东西你也觉得不会太无聊前面，我提到了配置pcmcia网卡和modem万一不成功怎么办。由于，现在在国内sourceforge网不能访问我不能直接读到pcmcia_cs的作者的文章，所以我现在说的很多都是通过大量的实践和文档阅读零
Woody的Python学习笔记1

Python 是一种解释性语言：这意味着开发过程中省去了编译这个环节，类似于PHP\Perl。 Python 是交互式语言：这意味着你能够在一个python提示符，直接互动运行写你的程序。 Python是面相对象语言：这意味着Python支持面向对象的风格或者代码封装在对象的编程技术。 Python的两种编程方式： 1、交互式编程；交互式编程不须要创建脚本文件。是通过Pytho
STM32初识——通用定时器配置（by woody）

通用定时器的益处时间 Tout= ((arr+1)*(psc+1))/Tclk； TIM3时钟使能 TIM3 是挂载在 APB1 之下，所以我们通过 APB1 总线下的时钟使能函数来使能 TIM3。调用的函数是： RCC_APB1PeriphClockCmd(RCC_APB1Periph_TIM3, ENABLE); //时钟使能初始化定时器参数,设置自动重装值，分频系数，计数方式。在库函数

woody

同类工具

相关阅读

相关文章

相关问答

相关文档