使用java將網頁保存為mht格式

　　package comtag;

　　import javaioBufferedInputStream;

　　import javaioBufferedOutputStream;

　　import javaioBufferedReader;

　　import javaioByteArrayInputStream;

　　import javaioDataOutputStream;

　　import javaioFile;

　　import javaioFileInputStream;

　　import javaioFileOutputStream;

　　import javaioFileWriter;

　　import javaioIOException;

　　import javaioInputStream;

　　import javaioInputStreamReader;

　　import javaioOutputStream;

　　import javaioReader;

　　import MalformedURLException;

　　import URL;

　　import javautil*;

　　import lparserParser;

　　import lparserTag;

　　import lparserfiltersTagNameFilter;

　　import lparserlexerLexer;

　　import lparserlexerPage;

　　import lparserutilDefaultParserFeedback;

　　import lparserutilNodeList;

　　import lparserutilParserException;

　　import toptracktoolsJQuery;

　　import javaxactivationDataHandler;

　　import javaxactivationDataSource;

　　import javaxactivationMimetypesFileTypeMap;

　　import javaxmailMessage;

　　import javaxmailMessagingException;

　　import javaxmailMultipart;

　　import javaxmailSession;

　　import javaxmailinternetInternetAddress;

　　import javaxmailinternetMimeBodyPart;

　　import javaxmailinternetMimeMessage;

　　import javaxmailinternetMimeMultipart;

　　import javaxmailinternetMimePartDataSource;

　　/**

　　* mht文件解析類

　　* @author dl

　　*/

　　public class HtmlMHTCompiler {

　　private URL strWeb = null; /**網頁地址*/

　　private String strText = null; /**網頁文本內容*/

　　private String strFileName = null; /**本地文件名*/

　　private String strEncoding = null; /**網頁編碼*/

　　//mht格式附加信息

　　private String from = ;

　　private String to;

　　private String subject = mht compile;

　　private String cc;

　　private String bcc;

　　private String smtp = localhost;

　　public static void main(String[] args) {

　　String strUrl = ;

　　String strEncoding = utf;

　　String strText = JQuerygetHtmlText(strUrl strEncoding null);

　　if (strText == null)

　　return;

　　HtmlMHTCompiler ht = new HtmlMHTCompiler(strText strUrl strEncoding testmht);

　　pile();

　　//HtmlMHTCompilermhthtml(testmht l);

　　}

　　/**

　　*<br>方法說明初始化

　　*<br>輸入參數strText 網頁文本內容; strUrl 網頁地址; strEncoding 網頁編碼; strFileName 本地文件名

　　*<br>返回類型

　　*/

　　public HtmlMHTCompiler(String strText String strUrl String strEncoding String strFileName) {

　　// TODO Autogenerated constructor stub

　　try {

　　strWeb = new URL(strUrl);

　　} catch (MalformedURLException e) {

　　// TODO Autogenerated catch block

　　eprintStackTrace();

　　return;

　　}

　　thisstrText = strText;

　　thisstrEncoding = strEncoding;

　　thisstrFileName = strFileName;

　　}

　　/**

　　*<br>方法說明執行下載操作

　　*<br>輸入參數

　　*<br>返回類型

　　*/

　　public boolean compile() {

　　if (strWeb == null || strText == null || strFileName == null || strEncoding == null)

　　return false;

　　HashMap urlMap = new HashMap();

　　NodeList nodes = new NodeList();

　　try {

　　Parser parser = createParser(strText);

　　parsersetEncoding(strEncoding);

　　nodes = parserparse(null);

　　} catch (ParserException e) {

　　// TODO Autogenerated catch block

　　eprintStackTrace();

　　}

　　extractAllScriptNodes(nodes);

　　ArrayList urlScriptList = extractAllScriptNodes(nodes urlMap);

　　ArrayList urlImageList = extractAllImageNodes(nodes urlMap);

　　for (Iterator iter = urlMapentrySet(erator(); iterhasNext();) {

　　MapEntry entry = (MapEntry) iternext();

　　String key = (String)entrygetKey();

　　String val = (String)entrygetValue();

　　strText = JHtmlClearreplace(strText val key);

　　}

　　try {

　　createMhtArchive(strText urlScriptList urlImageList);

　　} catch (Exception e) {

　　// TODO Autogenerated catch block

　　eprintStackTrace();

　　return false;

　　}

　　return true;

　　}

　　/**

　　*<br>方法說明建立HTML parser

　　*<br>輸入參數inputHTML 網頁文本內容

　　*<br>返回類型HTML parser

　　*/

　　private Parser createParser(String inputHTML) {

　　// TODO Autogenerated method stub

　　Lexer mLexer = new Lexer(new Page(inputHTML));

　　return new Parser(mLexer new DefaultParserFeedback(DefaultParserFeedbackQUIET));

　　}

　　/**

　　*<br>方法說明抽取基礎URL地址

　　*<br>輸入參數nodes 網頁標簽集合

　　*<br>返回類型

　　*/

　　private void extractAllScriptNodes(NodeList nodes) {

　　NodeList filtered = nodesextractAllNodesThatMatch(new TagNameFilter(

　　BASE) true);

　　if (filtered != null && filteredsize() > ) {

　　Tag tag = (Tag) filteredelementAt();

　　String href = taggetAttribute(href);

　　if (href != null && hreflength() > ) {

　　try {

　　strWeb = new URL(href);

　　} catch (MalformedURLException e) {

　　// TODO Autogenerated catch block

　　eprintStackTrace();

　　}

　　}

　　}

　　}

　　/**

　　*<br>方法說明抽取網頁包含的cssjs鏈接

　　*<br>輸入參數nodes 網頁標簽集合; urlMap 已存在的url集合

　　*<br>返回類型cssjs鏈接的集合

　　*/

　　private ArrayList extractAllScriptNodes(NodeList nodes HashMap urlMap) {

　　ArrayList urlList = new ArrayList();

　　NodeList filtered = nodesextractAllNodesThatMatch(new TagNameFilter(script) true);

　　for (int i = ; i < filteredsize(); i++) {

　　Tag tag = (Tag) filteredelementAt(i);

　　String src = taggetAttribute(src);

　　// Handle external css files url

　　if (src != null && srclength() > ) {

　　String innerURL = src;

　　String absoluteURL = makeAbsoluteURL(strWeb innerURL);

　　if (absoluteURL != null && !ntainsKey(absoluteURL)) {

　　urlMapput(absoluteURL innerURL);

　　ArrayList urlInfo = new ArrayList();

　　urlInfoadd(innerURL);

　　urlInfoadd(absoluteURL);

　　urlListadd(urlInfo);

　　}

　　tagsetAttribute(src absoluteURL);

　　}

　　}

　　filtered = nodesextractAllNodesThatMatch(new TagNameFilter(link) true);

　　for (int i = ; i < filteredsize(); i++) {

　　Tag tag = (Tag) filteredelementAt(i);

　　String type = (taggetAttribute(type));

　　String rel = (taggetAttribute(rel));

　　String href = taggetAttribute(href);

　　boolean isCssFile = false;

　　if (rel != null) {

　　isCssFile = relindexOf(stylesheet) != ;

　　} else if (type != null) {

　　isCssFile |= typeindexOf(text/css) != ;

　　}

　　// Handle external css files url

　　if (isCssFile && href != null && hreflength() > ) {

　　String innerURL = href;

　　String absoluteURL = makeAbsoluteURL(strWeb innerURL);

　　if (absoluteURL != null && !ntainsKey(absoluteURL)) {

　　urlMapput(absoluteURL innerURL);

　　ArrayList urlInfo = new ArrayList();

　　urlInfoadd(innerURL);

　　urlInfoadd(absoluteURL);

　　urlListadd(urlInfo);

　　}

　　tagsetAttribute(href absoluteURL);

　　}

　　}

　　return urlList;

　　}

　　/**

　　*<br>方法說明抽取網頁包含的圖像鏈接

　　*<br>輸入參數nodes 網頁標簽集合; urlMap 已存在的url集合

　　*<br>返回類型圖像鏈接集合

　　*/

　　private ArrayList extractAllImageNodes(NodeList nodes HashMap urlMap) {

　　ArrayList urlList = new ArrayList();

　　NodeList filtered = nodesextractAllNodesThatMatch(new TagNameFilter(IMG) true);

　　for (int i = ; i < filteredsize(); i++) {

　　Tag tag = (Tag) filteredelementAt(i);

　　String src = taggetAttribute(src);

　　// Handle external css files url

　　if (src != null && srclength() > ) {

　　String innerURL = src;

　　String absoluteURL = makeAbsoluteURL(strWeb innerURL);

　　if (absoluteURL != null && !ntainsKey(absoluteURL)) {

　　urlMapput(absoluteURL innerURL);

　　ArrayList urlInfo = new ArrayList();

　　urlInfoadd(innerURL);

　　urlInfoadd(absoluteURL);

　　urlListadd(urlInfo);

　　}

　　tagsetAttribute(src absoluteURL);

　　}

　　}

　　return urlList;

　　}

　　/**

　　*<br>方法說明相對路徑轉絕對路徑

　　*<br>輸入參數strWeb 網頁地址; innerURL 相對路徑鏈接

　　*<br>返回類型絕對路徑鏈接

　　*/

　　public static String makeAbsoluteURL(URL strWeb String innerURL) {

　　// TODO Autogenerated method stub

　　//去除後綴

　　int pos = innerURLindexOf(?);

　　if (pos != ) {

　　innerURL = innerURLsubstring( pos);

　　}

　　if (innerURL != null

　　&& innerURLtoLowerCase()indexOf(http) == ) {

　　Systemoutprintln(innerURL);

　　return innerURL;

　　}

　　URL linkUri = null;

　　try {

　　linkUri = new URL(strWeb innerURL);

　　} catch (MalformedURLException e) {

　　//TODO Autogenerated catch block

　　eprintStackTrace();

　　return null;

　　}

　　String absURL = linkUritoString();

　　absURL = JHtmlClearreplace(absURL / );

　　absURL = JHtmlClearreplace(absURL / );

　　Systemoutprintln(absURL);

　　return absURL;

　　}

　　/**

　　*<br>方法說明創建mht文件

　　*<br>輸入參數content 網頁文本內容; urlScriptList 腳本鏈接集合; urlImageList 圖片鏈接集合

　　*<br>返回類型

　　*/

　　private void createMhtArchive(String content ArrayList urlScriptList ArrayList urlImageList) throws Exception {

　　//Instantiate a Multipart object

　　MimeMultipart mp = new MimeMultipart(related);

　　Properties props = new Properties();

　　propsput(mailsmtphost smtp);

　　Session session = SessiongetDefaultInstance(props null);

　　MimeMessage msg = new MimeMessage(session);

　　// set mailer

　　msgsetHeader(XMailer Code Manager SWT);

　　// set from

　　if (from != null) {

　　msgsetFrom(new InternetAddress(from));

　　}

　　// set subject

　　if (subject != null) {

　　msgsetSubject(subject);

　　}

　　// to

　　if (to != null) {

　　InternetAddress[] toAddresses = getInetAddresses(to);

　　msgsetRecipients(MessageRecipientTypeTO toAddresses);

　　}

　　// cc

　　if (cc != null) {

　　InternetAddress[] ccAddresses = getInetAddresses(cc);

　　msgsetRecipients(MessageRecipientTypeCC ccAddresses);

　　}

　　// bcc

　　if (bcc != null) {

　　InternetAddress[] bccAddresses = getInetAddresses(bcc);

　　msgsetRecipients(MessageRecipientTypeBCC bccAddresses);

　　}

　　//設置網頁正文

　　MimeBodyPart bp = new MimeBodyPart();

　　bpsetText(content strEncoding);

　　bpaddHeader(ContentType text/html;charset= + strEncoding);

　　bpaddHeader(ContentLocation strWebtoString());

　　mpaddBodyPart(bp);

　　int urlCount = urlScriptListsize();

　　for (int i = ; i < urlCount; i++) {

　　bp = new MimeBodyPart();

　　ArrayList urlInfo = (ArrayList) urlScriptListget(i);

　　// String url = urlInfoget()toString();

　　String absoluteURL = urlInfoget()toString();

　　bp

　　addHeader(ContentLocation

　　javaxmailinternetMimeUtility

　　encodeWord(URLDecoder

　　decode(absoluteURL strEncoding)));

　　DataSource source = new AttachmentDataSource(absoluteURL text);

　　bpsetDataHandler(new DataHandler(source));

　　mpaddBodyPart(bp);

　　}

　　urlCount = urlImageListsize();

　　for (int i = ; i < urlCount; i++) {

　　bp = new MimeBodyPart();

　　ArrayList urlInfo = (ArrayList) urlImageListget(i);

　　// String url = urlInfoget()toString();

　　String absoluteURL = urlInfoget()toString();

　　bp

　　addHeader(ContentLocation

　　javaxmailinternetMimeUtility

　　encodeWord(URLDecoder

　　decode(absoluteURL strEncoding)));

　　DataSource source = new AttachmentDataSource(absoluteURL image);

　　bpsetDataHandler(new DataHandler(source));

　　mpaddBodyPart(bp);

　　}

　　msgsetContent(mp);

　　// write the mime multi part message to a file

　　msgwriteTo(new FileOutputStream(strFileName));

　　}

　　/**

　　*<br>方法說明mht轉html

　　*<br>輸入參數strMht mht文件路徑; strHtml html文件路徑

　　*<br>返回類型

　　*/

　　public static void mhthtml(String strMht String strHtml) {

　　try {

　　//TODO readEmlFile

　　InputStream fis = new FileInputStream(strMht);

　　Session mailSession = SessiongetDefaultInstance(SystemgetProperties() null);

　　MimeMessage msg = new MimeMessage(mailSession fis);

　　Object content = msggetContent();

　　if (content instanceof Multipart) {

　　MimeMultipart mp = (MimeMultipart)content;

　　MimeBodyPart bp = (MimeBodyPart)mpgetBodyPart();

　　String strEncodng = getEncoding(bp);

　　String strText = getHtmlText(bp strEncodng);

　　if (strText == null)

　　return;

　　File parent = null;

　　if (mpgetCount() > ) {

　　parent = new File(new File(strHtml)getAbsolutePath() + files);

　　parentmkdirs();

　　if (!parentexists())

　　return;

　　}

　　for (int i = ; i < mpgetCount(); ++i) {

　　MimeBodyPart bp = (MimeBodyPart)mpgetBodyPart(i);

　　String strUrl = getResourcesUrl(bp);

　　if (strUrl == null)

　　continue;

　　DataHandler dataHandler = bpgetDataHandler();

　　MimePartDataSource source = (MimePartDataSource)dataHandlergetDataSource();

　　File resources = new File(parentgetAbsolutePath() + Fileseparator + getName(strUrl i));

　　if (saveResourcesFile(resources bpgetInputStream()))

　　strText = JHtmlClearreplace(strText strUrl resourcesgetAbsolutePath());

　　}

　　saveHtml(strText strHtml);

　　}

　　} catch (Exception e) {

　　// TODO Autogenerated catch block

　　eprintStackTrace();

　　}

　　}

　　/**

　　*<br>方法說明得到資源文件的name

　　*<br>輸入參數strName 資源文件鏈接 ID 資源文件的序號

　　*<br>返回類型資源文件的本地臨時文件名

　　*/

　　public static String getName(String strName int ID) {

　　char separator = /;

　　Systemoutprintln(strName);

　　Systemoutprintln(separator);

　　if( strNamelastIndexOf(separator) >= )

　　return format(strNamesubstring(strNamelastIndexOf(separator) + ));

　　return temp + ID;

　　}

　　/**

　　*<br>方法說明得到網頁編碼

　　*<br>輸入參數bp MimeBodyPart類型的網頁內容

　　*<br>返回類型MimeBodyPart裡的網頁內容的編碼

　　*/

　　private static String getEncoding(MimeBodyPart bp) {

　　if (bp != null) {

　　try {

　　Enumeration list = bpgetAllHeaders();

　　while (listhasMoreElements()) {

　　javaxmailHeader head = (javaxmailHeader)listnextElement();

　　if (headgetName(pareTo(ContentType) == ) {

　　String strType = headgetValue();

　　int pos = strTypeindexOf(charset=);

　　if (pos != ) {

　　String strEncoding = strTypesubstring(pos + strTypelength());

　　if (strEncodingtoLowerCase(pareTo(gb) == ) {

　　strEncoding = gbk;

　　}

　　return strEncoding;

　　}

　　}

　　}

　　} catch (MessagingException e) {

　　// TODO Autogenerated catch block

　　eprintStackTrace();

　　}

　　}

　　return null;

　　}

　　/**

　　*<br>方法說明得到資源文件url

　　*<br>輸入參數bp MimeBodyPart類型的網頁內容

　　*<br>返回類型資源文件url

　　*/

　　private static String getResourcesUrl(MimeBodyPart bp) {

　　if (bp != null) {

　　try {

　　Enumeration list = bpgetAllHeaders();

　　while (listhasMoreElements()) {

　　javaxmailHeader head = (javaxmailHeader)listnextElement();

　　if (headgetName(pareTo(ContentLocation) == ) {

　　return headgetValue();

　　}

　　}

　　} catch (MessagingException e) {

　　// TODO Autogenerated catch block

　　eprintStackTrace();

　　}

　　}

　　return null;

　　}

　　/**

　　*<br>方法說明格式化文件名

　　*<br>輸入參數strName 文件名

　　*<br>返回類型經過處理的符合命名規則的文件名

　　*/

　　private static String format(String strName) {

　　if (strName == null)

　　return null;

　　strName = strNamereplaceAll(     );

　　String strText = \\/:*?\<>|^___FCKpd___quot;;

　　for (int i = ; i < strNamelength(); ++i) {

　　String ch = StringvalueOf(strNamecharAt(i));

　　if (strTextindexOf(ch) != ) {

　　strName = strNamereplace(strNamecharAt(i) );

　　}

　　}

　　return strName;

　　}

　　/**

　　*<br>方法說明保存資源文件

　　*<br>輸入參數resources 要創建的資源文件; inputStream 要輸入文件中的流

　　*<br>返回類型boolean

　　*/

　　private static boolean saveResourcesFile(File resources InputStream inputStream) {

　　if (resources == null || inputStream == null) {

　　return false;

　　}

　　BufferedInputStream in = null;

　　FileOutputStream fio = null;

　　BufferedOutputStream osw = null;

　　try {

　　in = new BufferedInputStream(inputStream);

　　fio = new FileOutputStream(resources);

　　osw = new BufferedOutputStream(new DataOutputStream(fio));

　　int b;

　　byte[] a = new byte[];

　　boolean isEmpty = true;

　　while ((b = inread(a)) != ) {

　　isEmpty = false;

　　oswwrite(a b);

　　oswflush();

　　}

　　oswclose();

　　fioclose();

　　inclose();

　　inputStreamclose();

　　if (isEmpty)

　　resourcesdelete();

　　return true;

　　} catch (Exception e) {

　　// TODO Autogenerated catch block

　　eprintStackTrace();

　　Systemoutprintln(解析mht失敗);

　　return false;

　　} finally{

　　try {

　　if (osw != null)

　　oswclose();

　　if (fio != null)

　　fioclose();

　　if (in != null)

　　inclose();

　　if (inputStream != null)

　　inputStreamclose();

　　} catch (Exception e) {

　　eprintStackTrace();

　　Systemoutprintln(解析mht失敗);

　　return false;

　　}

　　}

　　}

　　/**

　　*<br>方法說明得到mht文件的標題

　　*<br>輸入參數mhtFilename mht文件名

　　*<br>返回類型mht文件的標題

　　*/

　　public static String getTitle(String mhtFilename) {

　　try {

　　//TODO readEmlFile

　　InputStream fis = new FileInputStream(mhtFilename);

　　Session mailSession = SessiongetDefaultInstance(SystemgetProperties() null);

　　MimeMessage msg = new MimeMessage(mailSession fis);

　　Object content = msggetContent();

　　if (content instanceof Multipart) {

　　MimeMultipart mp = (MimeMultipart)content;

　　MimeBodyPart bp = (MimeBodyPart)mpgetBodyPart();

　　String strEncodng = getEncoding(bp);

　　String strText = getHtmlText(bp strEncodng);

　　if (strText == null)

　　return null;

　　strText = strTexttoLowerCase();

　　int pos = strTextindexOf(<title>);

　　int pos = strTextindexOf(</title>);

　　if (pos != && pos!= && pos > pos) {

　　return strTextsubstring(pos + pos)trim();

　　}

　　}

　　return null;

　　} catch (Exception e) {

　　// TODO Autogenerated catch block

　　eprintStackTrace();

　　return null;

　　}

　　}

　　/**

　　*<br>方法說明得到html文本

　　*<br>輸入參數bp MimeBodyPart類型的網頁內容; strEncoding 內容編碼

　　*<br>返回類型html文本

　　*/

　　private static String getHtmlText(MimeBodyPart bp String strEncoding) {

　　InputStream textStream = null;

　　BufferedInputStream buff = null;

　　BufferedReader br = null;

　　Reader r = null;

　　try {

　　textStream = bpgetInputStream();

　　buff = new BufferedInputStream(textStream);

　　r = new InputStreamReader(buff strEncoding);

　　br = new BufferedReader(r);

　　StringBuffer strHtml = new StringBuffer();

　　String strLine = null;

　　while ((strLine = brreadLine()) != null) {

　　strHtmlappend(strLine + \r\n);

　　}

　　brclose();

　　rclose();

　　textStreamclose();

　　return strHtmltoString();

　　} catch (Exception e) {

　　// TODO Autogenerated catch block

　　eprintStackTrace();

　　} finally{

　　try{

　　if (br != null)

　　brclose();

　　if (buff != null)

　　buffclose();

　　if (textStream != null)

　　textStreamclose();

　　}catch(Exception e){

　　Systemoutprintln(解析mht失敗);

　　}

　　}

　　return null;

　　}

　　/**

　　*<br>方法說明保存html文件

　　*<br>輸入參數strText html內容; strHtml html文件名

　　*<br>返回類型

　　*/

　　private static void saveHtml(String strText String strHtml) {

　　try {

　　FileWriter fw = new FileWriter(strHtml);

　　fwwrite(strText);

　　fwclose();

　　} catch (IOException e) {

　　// TODO Autogenerated catch block

　　eprintStackTrace();

　　Systemoutprintln(解析mht失敗);

　　}

　　}

　　private InternetAddress[] getInetAddresses(String emails) throws Exception {

　　ArrayList list = new ArrayList();

　　StringTokenizer tok = new StringTokenizer(emails );

　　while (tokhasMoreTokens()) {

　　listadd(toknextToken());

　　}

　　int count = listsize();

　　InternetAddress[] addresses = new InternetAddress[count];

　　for (int i = ; i < count; i++) {

　　addresses[i] = new InternetAddress(listget(i)toString());

　　}

　　return addresses;

　　}

　　class AttachmentDataSource implements DataSource {

　　private MimetypesFileTypeMap map = new MimetypesFileTypeMap();

　　private String strUrl;

　　private String strType;

　　private byte[] dataSize = null;

　　/**

　　* This is some content type maps

　　*/

　　private Map normalMap = new HashMap();

　　{

　　// Initiate normal mime type map

　　// Images

　　normalMapput(image image/jpeg);

　　normalMapput(text text/plain);

　　}

　　public AttachmentDataSource(String strUrl String strType) {

　　thisstrType = strType;

　　thisstrUrl = strUrl;

　　strUrl = strUrltrim();

　　strUrl = strUrlreplaceAll( %);

　　dataSize = JQuerydownBinaryFile(strUrl null);

　　}

　　/**

　　* Returns the content type

　　*/

　　public String getContentType() {

　　return getMimeType(getName());

　　}

　　public String getName() {

　　char separator = FileseparatorChar;

　　if( strUrllastIndexOf(separator) >= )

　　return strUrlsubstring(strUrllastIndexOf(separator) + );

　　return strUrl;

　　}

　　private String getMimeType(String fileName) {

　　String type = (String)normalMapget(strType);

　　if (type == null) {

　　try {

　　type = mapgetContentType(fileName);

　　} catch (Exception e) {

　　// TODO: handle exception

　　}

　　Systemoutprintln(type);

　　// Fix the null exception

　　if (type == null) {

　　type = application/octetstream;

　　}

　　}

　　return type;

　　}

　　public InputStream getInputStream() throws IOException {

　　// TODO Autogenerated method stub

　　if (dataSize == null)

　　dataSize = new byte[];

　　return new ByteArrayInputStream(dataSize);

　　}

　　public OutputStream getOutputStream() throws IOException {

　　// TODO Autogenerated method stub

　　return new javaioByteArrayOutputStream();

　　}

　　}

　　}

From:http://tw.wingwit.com/Article/program/Java/hx/201311/26795.html