增强bot.jar包中htmlpage类

最近使用在sourceforce上html的分析包，觉得有些麻烦，后来把bot1.4包的htmlpage的源代码看了看，发现是用swing来解析html的，但是这个类仅仅实现了发现form link image，并没有实现太多的功能，出于研究目的，我增加一些新内容。

1：使bot中发现link更精确，1.4版本中看过源代码之后发现，htmlpage类把html中所有的href标签都考虑，这样做可能出现一个问题，比如说对这段html来说

<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3c.org/TR/1999/REC-html401-19991224/loose.dtd">
<html>
<head>
<meta http-equiv=Content-Type content="text/html; charset=gb2312">
<meta name="description" content="Powered By CMSware 2.7 Plus" />
<meta name="keywords" content="Powered By CMSware 2.7 Plus" />
<link href="http://xjweb.xjtu.edu.cn/templates/xjtunews/style.css" rel="stylesheet" type="text/css">
<meta content="MSHTML 6.00.2900.2838" name=GENERATOR>
<title>中国科学技术法学会2006年年会开幕式隆重举行_交大新闻网</title>
<script language="JavaScript" type="text/javascript">
//setColor
function setColor(color_val) {
document.getElementById(‘myTable‘).style.backgroundColor = color_val;
    writeCookie("bgColor_cookie", color_val, 24)
}
function check(obj) {
if(document.myform.content.value==‘‘) {
  alert(‘请输入评论内容‘);
  document.myform.content.focus();
  return false;
} else if(document.myform.content.value.length > 2000) {
  alert(‘评论内容太长，字数不成超过2000‘);
  document.myform.content.focus();
  return false;
}

obj.disabled=true;
document.myform.submit();
}
</script>
</head>

link标签中的href并不是我们所需要的，对于link，大多时候考虑a 标签和map标签，这样，我们在handlestartTag方法中改成

if ( (t==HTML.Tag.A) && (t!=HTML.Tag.BASE) ) {
      href=(String)a.getAttribute(HTML.Attribute.HREF);
      if(href!=null)
      {
        String alt = (String)a.getAttribute(HTML.Attribute.ALT);
          Link link = new Link(
                            alt,
                            URLUtility.resolveBase(base,href),
                            null);
          links.addElement(tempLink=link);
        isLink=true;
      }

      } else if(t==HTML.Tag.AREA){
      href=(String)a.getAttribute(HTML.Attribute.HREF);
      if(href!=null)
      {
        String alt = (String)a.getAttribute(HTML.Attribute.ALT);
          Link link = new Link(
                            alt,
                            URLUtility.resolveBase(base,href),
                            null);
          links.addElement(tempLink=link);
          if(link.getALT()!=null)
           {
            linkname.addElement( link.getALT());
            linkandparagraph+=alt;
           }
        isLink=true;
      }

isLink默认是false，如果发现a标签和area标签，责取出他们alt属性，之后Link类来构造完整的url

在中public void handleText(char[] data,int pos)方法中加入：

if(isLink)
      {
      String urlname=new String(data);
      if(urlname!=null)
      {
      linkname.addElement(urlname);
      linkandparagraph+=urlname;
        }
      }

把链接的信息加入到向量linkname中，linkandparagraph也是我加入的，它包含链接信息和p标签的文本。

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。