取html页面内容的方法有很多了，一般都是连接上以后取得页面的内容，然后进行分析。一般用JDK里面提供的 URL和URLConnection 类，就可以实现；当然，也可以用其他工具来实现，比如 httpunit(用这个有时候会有问题，如果页面里面有反盗链的设置或者其他一些有问题的代码，很可能就连接不上了)。 如果单纯只是想得到页面的内容，用JDK里面提供的类就足够。
得到了页面内容以后，怎么显示在我们自己的页面上面呢？特别是要显示在TEXTAREA这样的区域里面就会有点点麻烦。
因为我们获得的内容里面有html标记和javascript标记，或者css标记。
如果直接把这些内容打印出来，或者直接放到TEXTAREA里面,就会报错。。怎么来解决？
一般大家都会想到用字符串来替换，比如 把"<"替换成"[" 等等，或者用正则表达式，来过滤这些标记。
其实有一直很简单方法,就是把得到的页面内容放在
中间，例如:
.........
然后用javascript来取content,
function show()
{
form1.content.value = document.getElementById("content").innerText;
}
这样就自动过滤了那些烦人的标记
本文作者:佚名 来源:http://www.cnblogs.com/jackyrong/
CIO之家 www.ciozj.com 微信公众号:imciow