html是一種標記語言，主要用于開發網頁，使用html可以展現文字，圖片，視頻，聲音

摘要：目前，越來越多的網站使用HTML5進行開發，本文提供了10段HTML5代碼，它們可以幫你快速啟動HTML5項目。

??需要做一個垂直搜索引擎，比較了nekohtml和htmlparser的功能，盡管nekohtml在容錯性、性能等方面的口碑好像比htmlparser好（htmlunit也用的是nekohtml），但感覺nekohtml的測試用例和文檔都比htmlparser都少，而且htmlparser基本上能夠滿足垂直搜索引擎頁面處理分析的需求，因此先研究一下htmlparser的使用，有空再研究nekohtml和mozillahtmlparser的使用。

jsoup 是一款 Java 的HTML 解析器，可直接解析某個URL地址、HTML文本內容。它提供了一套非常省力的API，可通過DOM，CSS以及類似于JQuery的操作方法來取出和操作數據。

jsoup is a Java library for working with real-world HTML. It provides a very convenient API for extracting and manipulating data, using the best of DOM, CSS, and jquery-like methods. jsoup implements the WHATWG HTML specification, and parses HTML to the same DOM as modern browsers do.

一、Java正則表達式入門眾所周知，在程序開發中，難免會遇到需要匹配、查找、替換、判斷字符串的情況發生，而這些情況有時又比較復雜，如果用純編碼方式解決，往往會浪費程序員的時間及精力。因此，學習及使用正則表達式，便成了解決這一矛盾的主要手段。大家都知道，正則表達式是一種可以用于模式匹配和替換的規范，一個正則表達式就是由普通的字符（例如字符a到z）以及特殊字符（元字符）組成的文字模式，它用以描述在查找文字主體時待匹配的一個或多個字符串。

Htmlparser中的核心是Parser類，我們主要是通過三種方式初始化：publicParser(String),public(URLConnection)和一個靜態方法Parser.createParser(Stringhtml,Stringcharset);其中html是我們下載的網頁內容，charset是編碼，像utf-8。通過解析出來的信息保存在一個為樹的結構，這些結構中主要包括三種節點，remarkNode代表Html中的注釋，tagNode代表標簽節點，textNode代表文本節點。

常用的DOM編程方法解釋

來自用戶輸入，一個文件或一個網站的HTML字符串，你可能需要對它進行解析并取其內容，或校驗其格式是否完整，或想修改它。怎么辦？jsonu能夠幫你輕松解決這些問題

一般在瀏覽Web上的網頁時會發現兩部分內容：一部分是網頁的主題信息，另一部分則是與主題內容無關的導航條、廣告信息、版權信息等內容，我們稱之為“噪音”內容。通過提取主題信息可以減少一半瀏覽時間，提高用戶獲取信息的速度，從而增強Web的可用性。那么如何準確、有效的獲取Web網頁的主題信息呢？下面給出了一種解決方案。

htmlparser是一個純的java寫的html解析的庫，htmlparser不依賴于其它的java庫，htmlparser主要用于改造 或提取html。htmlparser能超高速解析html，而且不會出錯。毫不夸張地說，htmlparser就是目前最好的html解 析和分析的工具。無論你是想抓取網頁數據還是改造html的內容，用了htmlparser絕對會忍不住稱贊。由于htmlparser 結構設計精良，所以擴展htmlparser 非常便利。

HTMLParser具有小巧，快速的優點，缺點是相關文檔比較少（英文的也少），很多功能需要自己摸索。對于初學者還是要費一些功夫的，而一旦上手以后，會發現HTMLParser的結構設計很巧妙，非常實用，基本你的各種需求都可以滿足。??這里我根據自己這幾個月來的經驗，寫了一點入門的東西，希望能對新學習HTMLParser的朋友們有所幫助