HTMLParserの使い方を詳しく解説(2)

HTMLParser は、解析された情報をツリー構造として保存します。ノードは、情報を保存するためのデータ型の基礎です。
Node の定義を見てください:

public interface Node extends Cloneable;

Node にはいくつかの種類のメソッドが含まれています:
ツリー構造を横断する関数については、これらの関数が最も理解しやすいです:

Node getParent ()：取得父节点
NodeList getChildren ()：取得子节点的列表
Node getFirstChild ()：取得第一个子节点
Node getLastChild ()：取得最后一个子节点
Node getPreviousSibling ()：取得前一个兄弟（不好意思，英文是兄弟姐妹，直译太麻烦而且不符合习惯，对不起女同胞了）
Node getNextSibling ()：取得下一个兄弟节点

Node のコンテンツを取得する関数：filterフィルタリングに使用される

String getText ()：取得文本
String toPlainTextString()：取得纯文本信息。
String toHtml () ：取得HTML信息（原始HTML）
String toHtml (boolean verbatim)：取得HTML信息（原始HTML）
String toString ()：取得字符串信息（原始HTML）
Page getPage ()：取得这个Node对应的Page对象
int getStartPosition ()：取得这个Node在HTML页面中的起始位置
int getEndPosition ()：取得这个Node在HTML页面中的结束位置

関数：訪問者のトラバーサルに使用される

void collectInto (NodeList list, NodeFilter filter)：基于filter的条件对于这个节点进行过滤，符合条件的节点放到list中。

機能：

rreee

機能コンテンツの変更に使用されますが、このタイプはあまり使用されていません。実際には、HTML ページを処理するために HTMLParser を最もよく使用します。Filter または Visitor 関連の関数が必要であり、1 番目と 2 番目のタイプの関数が最もよく使用されます。最初のタイプの関数を理解するのが簡単です。例を使用して 2 番目のタイプの関数を説明します。
以下はテストに使用したHTMLファイルです:

void accept (NodeVisitor visitor)：对这个Node应用visitor

テストコード:

void setPage (Page page)：设置这个Node对应的Page对象
void setText (String text)：设置文本
void setChildren (NodeList children)：设置子节点列表

出力結果:

void doSemanticAction ()：执行这个Node对应的操作（只有少数Tag有对应的操作）
Object clone ()：接口Clone的抽象函数。

===================== = ===========================

最初のノードのコンテンツの場合、対応する行は e9764a354fa9ee8e01cb1b94d530cd6c タグ内の Title コンテンツはプレーンテキストであるため、タイトル内に表示されていても表示される可能性があります。さらに、前述したように、HTML コンテンツ内の改行やその他の文字もプレーンテキストになっています。これは少し論理的な問題のようです。

さらに、toHtml、toHtml(true)、toHtml(false)の結果に違いがないことがわかるかもしれません。これは実際に当てはまります。HTMLParser のコードをたどると、AbstractNode、RemarkNode、 TagNode と TextNode、toHtml(boolean verbatim) の実装では、verbatim パラメーターは処理されないため、3 つの関数の結果はまったく同じになります。独自の特別な処理を実装する必要がない場合は、単純に toHtml を使用します。

上記は HTMLParser の使用方法の詳細な説明 (2) です。さらに関連する内容については、PHP 中国語 Web サイト (www.php.cn) に注目してください。