1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
|
/*
* HTMLDocumentLinks.java 1.0
*
* Copyright (c) 1999 Emmanuel PUYBARET - eTeks.
* All Rights Reserved.
*
*/
import java.io.*;
import java.net.*;
import java.util.*;
import javax.swing.text.*;
import javax.swing.text.html.*;
// Classe derivee de HTMLDocument pour permettre de specifier
// un reader different dans la methode getReader ()
public class HTMLDocumentLinks extends HTMLDocument
{
// Ensemble des ancres de ce fichier HTML
private Vector anchors = new Vector ();
// Ensemble des liens URLs trouves dans ce fichier
private Vector urls = new Vector ();
// Ensemble des URLs mal ecrites dans ce fichier
private Vector malformedURLs = new Vector ();
// Constructeur
public HTMLDocumentLinks (URL file)
{
// Memorisation de la base du fichier HTML
setBase (file);
}
public final Vector getAnchors ()
{
return anchors;
}
public final Vector getURLs ()
{
return urls;
}
public final Vector getMalformedURLs ()
{
return malformedURLs;
}
private void addAnchor (String anchor)
{
// Ajout de l'ancre a l'ensemble des ancres
anchors.addElement (anchor);
}
private boolean ignoreURL (String urlString)
{
// Ajout uniquement des URLs relatives a ce fichier
// (les fichiers sans protocole defini avec ':').
// Eventuellement vous pouvez filtrer differemment les
// URLs (pas de cgi par exemple,...)
return urlString.indexOf (':') >= 0;
}
private void addURL (String urlString)
{
if (!ignoreURL (urlString))
try
{
// Fabrication de l'URL relative a ce fichier
// pour l'ajouter a l'ensemble des URLs qu'il reference
URL url = new URL (getBase (), urlString);
// Sous Java 1.2.1, bug sur la construction des URLs
// si urlString commence par # avec le protocole file
// => construction differente de l'URL dans ce cas
if (urlString.startsWith ("#"))
url = new URL (getBase ().toString () + urlString);
if (!urls.contains (url))
urls.addElement (url);
}
catch (MalformedURLException e)
{
malformedURLs.addElement (urlString);
}
}
// Methode outrepassee pour founir un reader different
public HTMLEditorKit.ParserCallback getReader (int pos)
{
return new LinkReader ();
}
// Les methodes de cette classe sont rappelees par
// le parser HTML suivant les differents tag HTML lus.
// Ici, le but recherche est de garder une trace de tous
// les tags qui font appels a des URLs (fichiers HTML, images,...).
private class LinkReader extends HTMLEditorKit.ParserCallback
{
// Methode appelee quand un tag de debut est rencontre
public void handleStartTag (HTML.Tag tag, MutableAttributeSet att, int pos)
{
String attribute;
if (tag.equals (HTML.Tag.A)) // Tags <A NAME=...> ou <A HREF=...>
{
attribute = (String)att.getAttribute (HTML.Attribute.NAME);
if (attribute != null)
addAnchor (attribute);
else
{
attribute = (String)att.getAttribute (HTML.Attribute.HREF);
if (attribute != null)
addURL (attribute);
}
}
else if (tag.equals (HTML.Tag.APPLET)) // Tag <APPLET CODE=...>
{
attribute = (String)att.getAttribute (HTML.Attribute.CODE);
if (attribute != null)
{
String archive = (String)att.getAttribute (HTML.Attribute.ARCHIVE);
if (archive != null)
// Branchement sur le fichier d'archive s'il existe
attribute = archive;
else
if (!attribute.endsWith (".class"))
attribute += ".class";
// Recherche du repertoire eventuel relatif a l'applet
String codebase = (String)att.getAttribute (HTML.Attribute.CODEBASE);
if (codebase != null)
if (codebase.endsWith ("/"))
attribute = codebase + attribute;
else
attribute = codebase + '/' + attribute;
addURL (attribute);
}
}
else if ( tag.equals (HTML.Tag.BODY) // Tag <BODY BACKGROUND=...>
|| tag.equals (HTML.Tag.TABLE) // Tag <TABLE BACKGROUND=...>
|| tag.equals (HTML.Tag.TR) // Tag <TR BACKGROUND=...>
|| tag.equals (HTML.Tag.TD)) // Tag <TD BACKGROUND=...>
{
attribute = (String)att.getAttribute (HTML.Attribute.BACKGROUND);
if (attribute != null)
addURL (attribute);
}
}
// Methode appelee quand un tag simple est lu
public void handleSimpleTag (HTML.Tag tag, MutableAttributeSet att, int pos)
{
String attribute;
if ( tag.equals (HTML.Tag.FRAME) // Tag <FRAME SRC=...>
|| tag.equals (HTML.Tag.IMG)) // Tag <IMG SRC=...>
{
attribute = (String)att.getAttribute (HTML.Attribute.SRC);
if (attribute != null)
addURL (attribute);
}
else if (tag.equals (HTML.Tag.AREA)) // Tag <AREA HREF=...>
{
attribute = (String)att.getAttribute (HTML.Attribute.HREF);
if (attribute != null)
addURL (attribute);
}
}
// HTMLEditorKit.ParserCallback definit aussi d'autres methodes
// qu'il est inutile d'outrepasser ici (tag de fin, commentaires,
// corps de texte,...)
}
// Methode main () d'exemple de mise en oeuvre, prend en argument
// un nom de fichier HTML sous forme d'URL, par exemple :
// java HTMLDocumentLinks file:/disk/dir1/index.html
public static void main (String args [])
{
try
{
// Ouverture du fichier contenu dans l'argument 0
URL fileURL = new URL (args [0]);
Reader urlReader = new BufferedReader (
new InputStreamReader (fileURL.openStream ()));
// Creation d'une instance de parser
HTMLDocumentLinks doc = new HTMLDocumentLinks (fileURL);
// Parsing du fichier HTML avec Swing
new HTMLEditorKit ().read (urlReader, doc, 0);
urlReader.close ();
// Listing des ancres et des URLs trouvees dans le fichier
System.out.println ("Liste des ancres :");
for (Enumeration e = doc.getAnchors ().elements ();
e.hasMoreElements (); )
System.out.println (e.nextElement ());
System.out.println ("\nListe des URLs :");
for (Enumeration e = doc.getURLs ().elements ();
e.hasMoreElements (); )
System.out.println (e.nextElement ());
}
catch (IOException e)
{
System.out.println ("Probleme d'acces a l'URL : " + args [0]);
}
catch (BadLocationException e)
{ }
}
} |
