程序包 xin.manong.weapon.base.html

类 HTMLExtractor

java.lang.Object

xin.manong.weapon.base.html.HTMLExtractor

public class HTMLExtractor
extends Object

HTML正文抽取器

作者:

frankcl

构造器概要

构造器

构造器	说明
HTMLExtractor()

方法概要

修饰符和类型	方法	说明
static String	formatHTML(String html, String url)	格式化HTML内容 以分段元素p构建HTML内容
static String	formatHTMLElement(org.jsoup.nodes.Element htmlElement)	格式化HTML内容 以分段元素p构建HTML内容
static org.jsoup.nodes.Element	mainHTMLElement(String html, String url)	抽取HTML主体元素 针对新闻文章网页生效
static Long	publishTime(org.jsoup.nodes.Element mainElement)	从正文主体中抽取发布时间 如果无法抽取返回null

从类继承的方法 java.lang.Object

clone, equals, finalize, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

构造器详细资料

HTMLExtractor

public HTMLExtractor()

方法详细资料

mainHTMLElement

public static org.jsoup.nodes.Element mainHTMLElement(String html,
                                                      String url)

抽取HTML主体元素 针对新闻文章网页生效

参数:

html - 网页HTML

url - 网页URL

返回:

存在返回正文主体元素，否则返回null

publishTime

public static Long publishTime(org.jsoup.nodes.Element mainElement)

从正文主体中抽取发布时间 如果无法抽取返回null

参数:

mainElement - 主体元素

返回:

成功返回毫秒时间戳，否则返回null

formatHTML

public static String formatHTML(String html,
                                String url)

格式化HTML内容 以分段元素p构建HTML内容

参数:

html - HTML内容

url - 网页URL

返回:

formatHTMLElement

public static String formatHTMLElement(org.jsoup.nodes.Element htmlElement)

格式化HTML内容 以分段元素p构建HTML内容

参数:

htmlElement - HTML元素

返回:

HTML内容