SAX 模拟网络爬行者

”网络爬行者“：打印HTML文件中所有的链接<a href=""></a> 使用SAX处理器的startElement方法  用来检验名称为a,属性为href的链接。即一个沿着链接达到越来越多网页的程序。

 

import javax.xml.parsers.ParserConfigurationException;
import javax.xml.parsers.SAXParser;
import javax.xml.parsers.SAXParserFactory;import org.xml.sax.Attributes;
import org.xml.sax.SAXException;
import org.xml.sax.helpers.DefaultHandler;import java.io.InputStream;
import java.net.URL;
public class SaxTest {
 public static void main(String []args){
  String url  =  null;
  if (args.length == 0 ){
   url = "​​​http://www.w3c.org​​​";
   System.out.println("Using "+url);
  } else {
   url = args[0];
  }
  DefaultHandler handle = new  DefaultHandler(){
   public void startElement (String uri, String localName,
          String qName, Attributes attributes) throws SAXException{
    if(localName.equalsIgnoreCase("a") && attributes != null){
     for (int i = 0 ;i<attributes.getLength(); i++){
      String aname = attributes.getLocalName(i);
      if(aname.equalsIgnoreCase("href")){
       System.out.println(attributes.getValue(i));
      }
     }
    }
   }
  };
  
  try {
   SAXParserFactory factory = SAXParserFactory.newInstance();
   //指定由此代码生成的解析器将提供对 XML 名称空间的支持。
   factory.setNamespaceAware(true);
   SAXParser  parse = factory.newSAXParser();
   InputStream is = new URL(url).openConnection().getInputStream();
   parse.parse(is,handle);
  } catch (ParserConfigurationException e) {
   e.printStackTrace();
  } catch (SAXException e) {
   e.printStackTrace();
  } catch (Exception e){
   e.printStackTrace();
  }
 }
}