使用指南
五月
需要做一个垂直搜索引擎，比较了 和 !!的功能，尽管 在容错性、性能
等方面的口碑好像比 !! 好（"# 也用的是 ），但感觉 的测试用例
和文档都比 !! 都少，而且 !! 基本上能够满足垂直搜索引擎页面处理分析的需求，因
此先研究一 下 !! 的使用，有空再研究 和 $# !! 的使用。 的
功能还是官方说得最为清楚，
!!# % & #'! !(" !##! # !!) #*
!# !#(")!! )! #!+! ,##) "!-!&##!," .
("% & / *0# ) !'" 1 , .*
1)" "2, ! '( !!
!+! ,# ! )! #("2, 1! . !,!
)!,! ,#'! '(!,!"!,) *3#!#!
&!#,,! +! ,#)!1' .4!#*5) !!
"' # #!&# ! )! )!#.1' .1###- .
,! # ##. &!' #""*
研究的重点还是 +! ,# 的使用，有空再研究 ! )! # 的使用。
、 !! 对 页面处理的数据结构
如图所示， !! 采用了经典的 # 模式，通过
!6、+6、 .6、'! ,6 和 . 来描述 页面各元素。
org.htmlparser.Node：
6 接口定义了进行树形结构节点操作的各种典型操作方法，包括：
节点到 html 文本、text 文本的方法： #+!#.、
典型树形结构遍历的方法：
. !、.#!、.7#!#、. #、.!&#"#'#.、.6+#'#.、
.+
获取节点对应的树形结构结构的顶级节点 Page 对象方法：. .
获取节点起始位置的方法：. !##、.##
Visitor 方法遍历节点时候方法： ,,64##!&##!
Filter 方法：,,06##67#!-!
剩余13页未读，继续阅读
评论4