上一篇文章我們介紹了一個html/xml解析器——htmlparser，這篇文章我們介紹另外一個解析模塊htmlparser2，后者是對前者的重構(gòu)，同時對前者的API做了部分兼容。

用法簡介

安裝

const { Parser } = require('htmlparser2');const parser = new Parser(handler, options);parser.parseComplete('html/xml內(nèi)容');

寫法

const { Parser } = require('htmlparser2');const parser = new Parser(handler, options);parser.parseComplete('html/xml內(nèi)容');

htmlparser2提供了一個解析器——Parser，初始化它至少需要一個handler，options是可選的。

handler是一個對象，在這個對象上可以設(shè)置很多的鉤子函數(shù)，Parser解析時會在每個階段運行對應(yīng)的鉤子函數(shù)。

以下是可以設(shè)置的所有的鉤子函數(shù)，

onopentag( name, attributes)onopentagname( name)onattribute( name, value)ontext( text)onclosetag( name)onprocessinginstruction( name, data)oncomment( data)oncommentend()oncdatastart()oncdataend()onerror( error)onreset()onend()

htmlparser模塊是通過正則表達式來解析html內(nèi)容的，而htmlparser2則不同，它會按順序讀取html的每個字符，并且推測后面字符是標簽名、屬性還是其他的類型，所以htmlparser2在解析完每一個標簽后都會運行相應(yīng)的鉤子函數(shù)。

先來看一下例子，

圖1

圖1中設(shè)置了所有的鉤子函數(shù)以便來說明每個鉤子函數(shù)的作用，運行一下，

圖2

對照圖1和圖2就能看出來每個鉤子函數(shù)的運行時機，這其中有以下幾個鉤子函數(shù)需要注意一下。

• oncdatastart和oncdataend會在解析標簽時觸發(fā)，但是觸發(fā)的前提是選項設(shè)置了recognizeCDATA=true或者xmlMode=true；
• onprocessinginstruction會在解析或者<?xxyy>這樣的標簽時觸發(fā)，xx和yy中間可以有分隔符(斜杠或者空格)，分隔符前面的字符串就是鉤子函數(shù)中的name的值；
• 運行parseComplete方法會執(zhí)行reset鉤子函數(shù)，如果僅僅執(zhí)行parser的write或者end方法并不會執(zhí)行reset方法。

除了自定義handler以外，htmlparser2還提供了幾個handler，比如DomHandler，用法如下：

圖3

運行一下，我們看看結(jié)果，

圖4

如果4所示，DomHandler處理的結(jié)果是以數(shù)組的形式輸出的，在每個單元數(shù)據(jù)中還可以拿到上一個、下一個以及父節(jié)點的數(shù)據(jù)。

htmlparser2還可以通過操作流Stream解析內(nèi)容，寫法如下：

圖5

總結(jié)

這篇文章和上一篇是姊妹篇，都是介紹解析html/xml內(nèi)容的模塊，通過對比，我們發(fā)現(xiàn)htmlparser2模塊功能更強大一些，也更靈活一些，同時也兼容htmlparser模塊的一些接口。雖然兩者功能類似，但是這給了我們更多的選擇性。

喜歡我的文章就關(guān)注我吧，有問題可以發(fā)表評論，我們一起學(xué)習(xí)，共同成長！

總結(jié)

以上是生活随笔為你收集整理的java正则表达式去除xml标签之间的空格_HTML解析器——htmlparser2使用详解，换个姿势解析html和xml的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。