背景：

获取html页面所有有text节点的xpath

思路：

NekoHTML是一个Java语言的 HTML扫描器和标签补全器(tag balancer) ,使得程序能解析HTML文档并用标准的XML接口来访问其中的信息。而dom4j可以很好的用于XML，XPath和XSL。

基于html构建xml

基于xml获取所有的有text的xpath

环境：

    	
     
      net.sourceforge.nekohtml
     	
     
      nekohtml
     	
     
      1.9.10
     
    
    	
     
      dom4j
     	
     
      dom4j
     	
     
      1.6.1
     
    

实现如下：

import java.io.FileInputStream;import java.util.Iterator;import java.util.Map;import org.apache.commons.lang.StringUtils;import org.cyberneko.html.parsers.DOMParser;import org.dom4j.Document;import org.dom4j.Element;import org.dom4j.io.DOMReader;import org.xml.sax.InputSource;public class NekoHTML {	public static void main(String[] args) throws Throwable {		DOMParser parser = new DOMParser();		parser.parse(new InputSource(new FileInputStream("D:/dom/1.htm")));		DOMReader domReader = new DOMReader();		Document document = domReader.read(parser.getDocument());		Element root = document.getRootElement();		Map
    
      map = new java.util.concurrent.ConcurrentHashMap
     
      ();		dom2XPathMap(root, map);		System.out.println(map);	}	private static void dom2XPathMap(Element root, Map
      
        map) {		if (root == null || root.isTextOnly()) {			if (StringUtils.isNotEmpty(root.getText())) {				map.put(root.getUniquePath(), root.getText());			}			if (map.containsKey(root.getUniquePath())) {			}			return;		}		Iterator
       
         iterator = root.elementIterator();		while (iterator.hasNext()) {			Element el = iterator.next();			dom2XPathMap(el, map);		}	}}