日期:2014-05-17  浏览次数:20738 次

用Jsoup解析HTML文件,并保存到本地

需要引入的Jsoup.jar包:jsoup.jar

推荐阅读的jsoup使用教程:使用JSOUP处理HTML文档


以下是实现Jsoup解析HTML文件,并保存到本地的Java代码:

/**
 * 这个文件实现了:将指定目录下的所有htm和html文件的<title>标签的值,替换成文件名(不含后缀)。
 */
import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;
import java.io.OutputStreamWriter;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;


public class Rename {
	public static void main(String[] args) {
		// 默认文件夹路径
		String path = "C:\\report";
		if(args != null && args.length > 0){
			path = args[0];
		}
		try {
			renameHTMLTitle(path);
		} catch (IOException e) {
			e.printStackTrace();
		}
	}

	public static void renameHTMLTitle(String dir) throws IOException {
		File f = new File(dir);
		if (f.isDirectory()) {
			File fs[] = f.listFiles();
			for (File s : fs) {
				String title = s.getName().replaceAll(".htm", "").replaceAll(".html", "");
				if(s.getName().contains(".htm") || s.getName().contains(".html")){
					Document doc = Jsoup.parse(s, "gb2312");
					Element titleEl = doc.select("title").first();
					titleEl.html(title);
					/*
					 * Jsoup只是解析,不能保存修改,所以要在这里保存修改。
					 */
					FileOutputStream fos = new FileOutputStream(s, false);
					OutputStreamWriter osw = new OutputStreamWriter(fos, "gb2312");
					osw.write(doc.html());
					osw.close();
				}
			}
		}
	}
}