关于JAVA抓取网页信息

[shashou_1234]

小弟今天遇到一个问题，关于用JAVA抓取网页信息，我想抓取指定的网页信息，比如说标题，正文，我想把目标地址HTML网页抓取到然后解析XML，但是XML的节点也太多了，不知道该怎样截取到我想要的信息，求各位大神帮帮忙，告诉我下该怎么截取到我想要的信息，小弟在此谢谢了，可以的话叫我Q356142739.

[tony4geek]

你想要那些重要信息就抓取那些。

[异常异长]

一般把源码抓下来后 勇正则表达式筛选

[a_jian]

这个应该网络上有一大把现成的DEMO吧

[爱跳舞的铅笔头]

建议获取到html之后，用dom4j去解析xml,可以参考http://www.ibm.com/developerworks/cn/xml/x-dom4j.html

[fineTu]

解析html方法很多，我用的是Jsoup，值域找到你想要的内容，这个就比较麻烦了，要用些正文提取的手段，这种手段没有公认的有效成果，一般都是通过正文内容特征等等来搞