使用NekoHtml处理网页（删除Style标签）

最近在做一个手机APP，通过一个新闻抓取程序抓取新闻，然后通过APP展示新闻。后发现手机端不支持Style标签，如果网页中有Style标签，则标签内的内容会显示处理非常影响页面美观。于是就写了一个用NekoHTML来清除Style标签的工具类

html.filter.properties 配置文件，配置允许的标签和要删除的标签及标签内的属性

attributes=style,id,name,class,width,height,src,oldsrc,complete,align,alt,title
acceptTags=div,span,a,li,ul,nav,br,p,img,font,b,strong,table,tr,td
removeTags=style

PropertiesUtils 读取Properties

package com.tiamaes.gjds.util;import java.io.IOException;
import java.util.Properties;import org.springframework.core.io.ClassPathResource;/**  * <p>类描述： 读取Properties中的属性 </p>* <p>创建人：王成委  </p>* <p>创建时间：2015年1月28日 上午11:23:27  </p>* <p>版权说明： © 2015 Tiamaes </p>*/
public class PropertiesUtils {private Properties properties;public PropertiesUtils(String path){try {ClassPathResource resource = new ClassPathResource(path);properties = new Properties();properties.load(resource.getInputStream());} catch (IOException e) {e.printStackTrace();}}public String get(String key){return this.properties.getProperty(key);}}

过滤HTML中的标签

package com.tiamaes.gjds.util;import java.io.CharArrayReader;
import java.io.StringWriter;
import java.util.ArrayList;
import java.util.List;import org.apache.xerces.xni.parser.XMLDocumentFilter;
import org.cyberneko.html.filters.ElementRemover;
import org.cyberneko.html.filters.Writer;
import org.cyberneko.html.parsers.DOMParser;
import org.xml.sax.InputSource;/**  * <p>类描述： 过滤Html中的标签 </p>* <p>创建人：王成委  </p>* <p>创建时间：2015年1月29日 上午10:45:02  </p>* <p>版权说明： © 2015 Tiamaes </p>*/
public class HtmlFilterUtils {private static PropertiesUtils properties = null;private static HtmlFilterUtils filter = null;private String configPath = "html.filter.properties";private static final String ATTRIBUTE_FIELD = "attributes";private static final String ACCEPT_TAGS_FIELD = "acceptTags";private static final String REMOVE_TAGS_FIELD = "removeTags";private List<String> attributes = new ArrayList<String>();private List<String> acceptTags = new ArrayList<String>();private List<String> removeTags = new ArrayList<String>();private static synchronized void syncInit(){if(filter == null)filter = new HtmlFilterUtils();}public static HtmlFilterUtils getInstance(){return getInstance(false);}public static HtmlFilterUtils getInstance(boolean createNew){if(createNew)return new HtmlFilterUtils();if(filter == null){syncInit();}return filter;}private HtmlFilterUtils(){if(properties == null){properties = new PropertiesUtils(configPath);}this.addToList(attributes, properties.get(ATTRIBUTE_FIELD));this.addToList(acceptTags, properties.get(ACCEPT_TAGS_FIELD));this.addToList(removeTags, properties.get(REMOVE_TAGS_FIELD));}public void addAtributes(String attrName){this.attributes.add(attrName);}public void removeAtributes(String attrName){this.attributes.remove(attrName);}public void addRmoveTag(String tagName){this.removeTags.add(tagName);}public void removeRmoveTag(String tagName){this.removeTags.remove(tagName);}public void addAcceptTag(String tagName){this.acceptTags.add(tagName);}public void removeAcceptTag(String tagName){this.acceptTags.remove(tagName);}private void addToList(List<String> list,String sources){if(list == null) list = new ArrayList<String>();String[] sourcesArray = sources.split(",");for(String str:sourcesArray){list.add(str);}}public String doFilter(String htmlCode){ElementRemover remover = new ElementRemover();String[] atrrs = new String[attributes.size()];for(String tag : acceptTags)remover.acceptElement(tag,attributes.toArray(atrrs));for(String tag : removeTags)remover.removeElement(tag);CharArrayReader reader = null;String result;try {StringWriter filteredDescription = new StringWriter();Writer writer = new Writer(filteredDescription,"UTF-8");XMLDocumentFilter[] filters = {remover,writer};DOMParser parser = new DOMParser();reader = new CharArrayReader(htmlCode.toCharArray());InputSource inputSource = new InputSource(reader);parser.setProperty("http://cyberneko.org/html/properties/filters", filters);parser.parse(inputSource);result = filteredDescription.toString();} catch (Exception e1) {e1.printStackTrace();result =  htmlCode;}try {reader.close();} catch (Exception e) {e.printStackTrace();}return result;}
}

调用doFilter可以过滤HTML的内容

使用NekoHtml处理网页（删除Style标签）相关推荐

HTML中的style标签怎么写,html style标签是什么意思？关于style标签的使用方
本篇文章主要讲的是html style标签的定义和属性介绍,先让我们了解style标签在HTML中的一些用途和位置,然后介绍了使用中的一些方法和细节技巧,让我们一起来看看吧 html style标签的 ...
python爬取疫情信息html.xpath p标签_python xpath 如何过滤div中的script和style标签
爬取一个页面中的div,想获取div中的文字,我是这么写的: selector.xpath('//div[@class="text-con"]').xpath('string(.) ...
[PHP] JQuery+Layer实现添加删除自定义标签代码
JQuery+Layer实现添加删除自定义标签代码实现效果如下: 实现代码如下: <!doctype html> <html> <head> <meta c ...
html 标签 r语言,从R中的字符串中删除html标签
我正在尝试将网页源代码读入R并将其作为字符串处理.我正在尝试删除段落并从段落文本中删除html标签.我遇到了以下问题: 我尝试实现一个功能来删除html标签: cleanFun=function(fu ...
删除a标签下面的横线
在HTML中我们经常会使用a标签跳转链接,但是会发现a标签下面出现一个横线特别难看,给大家一种删除a标签下面横线的方法. 删除a标签下面横线使用: text-decoration: none; 效果示 ...
三星文档html删除吗,HTML5新增标签和删除的标签
一.新增标签结构标签相当于有意义的div标签 article:用于定义一篇文章 header:定义页面的头部 footer: nav:导航条链接 section:定义一个区域 aside:定义页面 ...
HTML页面的主体标签是什么,html网页的主体标签是什么
html网页的主体标签是:body标签.body标签是一个网页的身体部分,用于定义网页的主体内容,是一个HTML文档中必须的部分.在<body>和</body>中放置的是网页中 ...
零基础学Web 04（style标签）
零基础学Web 04 style元素定义 <style>标签用于为HTML文档定义样式信息. 属性实例 <!DOCTYPE html> <html> <h ...
零基础CSS入门教程(6)–style标签与注释
点此查看所有教程.项目.源码导航本文目录 1. 前言 2. style标签 3. CSS注释 4. HTML注释与CSS注释的区别 5. 小结 1. 前言特别喜欢毛主席的一些文章,例如<论 ...
在style标签中，vue项目引入style文件，外部css文件
在style标签中,vue项目引入style文件,外部css文件一.css是什么? 二.使用步骤 1.使用style标签引入 2.在style标签内使用@import导入总结一.css是什么? ...

使用NekoHtml处理网页（删除Style标签）

使用NekoHtml处理网页（删除Style标签）相关推荐

最新文章

热门文章