资讯抓取总结
1. HtmlParser简介
HtmlParser是一个纯java写的html解析类库，它不依赖其它的java库文件，主要用于改造或提取html，HtmlParser主要靠Node和Tag来表达Html
（1）、Node是形成树结构表示HTML的基础，所有的数据表示都是接口Node的实现?Node定义了与页面树结构所表达的页面Page对象，定义了获取父、子、兄弟节点的方法
如：对付树型结构进行遍历的函数，这些函数最轻易理解：
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
Node getNextSibling ()：取得下一个兄弟节点
取得Node内容的函数：
String getText ()：取得文本
String toHtml () ：取得HTML信息（原始HTML）

（2）、Tag是具体分析的主要内容，它包含着各种标签实体类；如：BodyTag，Div，FrameSetTag，OptionTag，linkTag，ImageTag，MetaTag等等。


HtmlParser核心类 org.htmlparser.Parser类，这个类实际完成了对于HTML页面的分析工作。
（1）、构造Parser对象，一般有两种方法：
其一、通过url提取网页的内容
Parser parser = new Parser(); 
parser.setURL("http://www.baidu.com ");
parser.setEncoding("gbk");

其二、提取本地网页文件（通过读文件把网页转换成字符串【httpClient】）
使用静态方法创建Parser对象
Parser parser=Parser.createParser(html,charset);

2. HtmlParser简单例子
public class HtmlParserDemo {

private static Logger logger = Logger.getLogger(HtmlParserDemo.class);

public static void parserTest(){
String content = "";
NodeList list = null;
Parser parser = new Parser();
try {
parser.setURL("http://www.chinachugui.com/news/cgdg/");
parser.setEncoding("gb2312");
/*标签属性过滤*/
NodeList rootList = parser.extractAllNodesThatMatch(new HasAttributeFilter("class","zx_list"));
/*标签类过滤*/
list = rootList.extractAllNodesThatMatch(new NodeClassFilter(Bullet.class), true);