atitit. java jsoup html table的讀取解析 總結

atitit. java jsoup html table的讀取解析 總結

 

1. 兩個大的parser ,,,jsoup 跟個   htmlparser 1

2. 資料比較 1

3. jsoup越佳.. 1

4. 解析並提取 HTML 元素的模式( 選擇器 and  DOM 方式 ) 2

5. html修改 2

6. 跟個htmlparse的比較 2

7. jsoup的用處 3

7.1. html解析 3

7.2. html修改 3

7.3. HTML 文檔清理 3

8. code--讀取解析表格2Lisp<Map> 3

 

 

 html table的讀取

 

1. 兩個大的parser ,,,jsoup 跟個   htmlparser

 

2. 資料比較

jsoup  百度爲您找到相關結果約321,000個

htmlparser 百度爲您找到相關結果約113,000個

 

3. jsoup越佳..

運用 jsoup 對 HTML 文檔進行解析和操做(比HTMLParser好） 

Java 程序在解析 HTML 文檔時，相信你們都接觸過 htmlparser 這個開源項目，我曾經在 IBM DW 上發表過兩篇關於 htmlparser 的文章，分別是：從 HTML 中攫取你所需的信息和?擴展 HTMLParser 對自定義標籤的處理能力。但如今我已經再也不使用 htmlparser 了，緣由是 htmlparser 不多更新，但最重要的是有了 jsoup 。

 

 

做者:: 老哇的爪子 Attilax 艾龍，  EMAIL:1466519819@qq.com

轉載請註明來源： http://blog.csdn.net/attilax

 

 

4. 解析並提取 HTML 元素的模式( 選擇器 and  DOM 方式 )

這部分涉及一個 HTML 解析器最基本的功能，但 jsoup 使用一種有別於其餘開源項目的方式――選擇器，咱們將在最後一部分詳細介紹 jsoup 選擇器，本節中你將看到 jsoup 是如何用最簡單的代碼實現。

不過 jsoup 也提供了傳統的 DOM 方式的元素解析，看看下面的代碼

 

5. html修改

 

修改數據

在解析文檔的同時，咱們可能會須要對文檔中的某些元素進行修改，例如咱們能夠爲文檔中的全部圖片增長可點擊連接、修改連接地址或者是修改文本等。

下面是一些簡單的例子：

清單 4.

doc.select("div.comments a").attr("rel", "nofollow"); // 爲全部連接增長 rel=nofollow 屬性 doc.select("div.comments a").addClass("mylinkclass"); // 爲全部連接增長 class=mylinkclass 屬性 doc.select("img").removeAttr("onclick"); // 刪除全部圖片的 onclick 屬性 doc.select("input[type=text]").val(""); // 清空全部文本輸入框中的文本

 

道理很簡單，你只須要利用 jsoup 的選擇器找出元素，而後就能夠經過以上的方法來進行修改，除了沒法修改標籤名外（能夠刪除後再插入新的元素），包括元素的屬性和文本均可以修改。

修改完直接調用 Element(s) 的 html() 方法就能夠獲取修改完的 HTML 文檔。

 

6. 跟個htmlparse的比較

與 htmlparser 項目不一樣的是，jsoup 並無爲 HTML 元素定義一個對應的類，通常一個 HTML 元素的組成部分包括：節點名、屬性和文本，jsoup 提供簡單的方法供你本身檢索這些數據，這也是 jsoup 保持瘦身的緣由。

而在元素檢索方面，jsoup 的選擇器簡直無所不能，

這是 jsoup 真正讓我折服的地方，jsoup 使用跟 jQuery 如出一轍的選擇器對元素進行檢索，以上的檢索方法若是換成是其餘的 HTML 解釋器，至少都須要不少行代碼，而 jsoup 只須要一行代碼便可完成。

jsoup 的選擇器還支持表達式功能，咱們將在最後一節介紹這個超強的選擇器。

 

 

 

7. jsoup的用處

7.1. html解析

7.2. html修改

7.3. HTML 文檔清理

8. code--讀取解析表格2Lisp<Map>

 

prj.wechatadm4prp

 

 

package com.attilax.html;

 

 import org.jsoup.Jsoup;

import org.jsoup.nodes.Document;

 import org.jsoup.nodes.Element;

import org.jsoup.select.Elements;

 

 

 

 

 

 

//import com.attilax.cc.Document;

import com.attilax.io.pathx;

import com.attilax.lang.core;

import com.attilax.lang.json.JsonX;

import com.attilax.util.AngularJsX;

@SuppressWarnings("all")

public class HtmlX {

public static void main(String[] args) {

Stringjsppath="applyInstall\\appinst_list.jsp";

jsppath="aa/bb";

jsppath=jsppath.replaceAll("/", "\\\\");

System.out.println(jsppath);

List li=getTitlesMap(jsppath,"tabid1","utf-8");

System.out.println(JsonX.toJsonStrO88(li));

}

 

/**

 * 

 * @param jsppath   %app%/path

 * @param tableId

 * @param htmlEncode

 * @return

 */

public static List<Map> getTitlesMap(String jsppath, String tableId,String htmlEncode) {

jsppath=pathx.delWebappPrefix(jsppath);

jsppath=jsppath.replaceAll("/", "\\\\");

jsppath=pathx.webAppPath()+"\\"+jsppath;

List li=new ArrayList();

File input = new File(jsppath);

try {

Document doc = Jsoup.parse(input, htmlEncode, "http://example.com/");

Element tab_elmt=doc.getElementById(tableId);

Elements   trs=   tab_elmt.getElementsByTag("tr");

Element titleTr=trs.get(0);

Element  fldTr=trs.get(1);

Elements tds=titleTr.getElementsByTag("td");

if(tds.size()==0)

tds=titleTr.getElementsByTag("th");

Elements tds_fld=fldTr.getElementsByTag("td");

for(int i=0;i<tds.size();i++)

{

Element td=tds.get(i);

 Map m=new HashMap();

 m.put("title", td.text());

 String fld1=tds_fld.get(i).text();

 String fld=AngularJsX.getFld_sf(fld1);

 m.put("fld", fld);

 if(fld.length()>0)

 li.add(m);

}

 

 

} catch (IOException e) {

 

throw new RuntimeException(e);

}

return li;

}

 

}

 

參考

運用 jsoup 對 HTML 文檔進行解析和操做(比HTMLParser好） _HTML_CSS_代碼迷.htm

使用 jsoup 對 HTML 文檔進行解析和操做.htm