atitit java jsoup html table的读取解析 总结

atitit. java jsoup html table的读取解析 总结

 

1. 两个大的parser ,,,jsoup 跟个   htmlparser 1

2. 资料比较 1

3. jsoup越佳.. 1

4. 解析并提取 HTML 元素的模式( 选择器 and  DOM 方式 ) 2

5. html修改 2

6. 跟个htmlparse的比较 2

7. jsoup的用处 3

7.1. html解析 3

7.2. html修改 3

7.3. HTML 文档清理 3

8. code--读取解析表格2Lisp<Map> 3

 

 

 html table的读取

 

1. 两个大的parser ,,,jsoup 跟个   htmlparser

 

2. 资料比较

jsoup  百度为您找到相关结果约321,000个

htmlparser 百度为您找到相关结果约113,000个

 

3. jsoup越佳..

运用 jsoup 对 HTML 文档进行解析和操作(比HTMLParser好） 

Java 程序在解析 HTML 文档时，相信大家都接触过 htmlparser 这个开源项目，我曾经在 IBM DW 上发表过两篇关于 htmlparser 的文章，分别是：从 HTML 中攫取你所需的信息和?扩展 HTMLParser 对自定义标签的处理能力。但现在我已经不再使用 htmlparser 了，原因是 htmlparser 很少更新，但最重要的是有了 jsoup 。

 

 

作者:: 老哇的爪子 Attilax 艾龙，  EMAIL:1466519819@qq.com

转载请注明来源： http://blog.csdn.net/attilax

 

 

4. 解析并提取 HTML 元素的模式( 选择器 and  DOM 方式 )

这部分涉及一个 HTML 解析器最基本的功能，但 jsoup 使用一种有别于其他开源项目的方式――选择器，我们将在最后一部分详细介绍 jsoup 选择器，本节中你将看到 jsoup 是如何用最简单的代码实现。

不过 jsoup 也提供了传统的 DOM 方式的元素解析，看看下面的代码

 

5. html修改

 

修改数据

在解析文档的同时，我们可能会需要对文档中的某些元素进行修改，例如我们可以为文档中的所有图片增加可点击链接、修改链接地址或者是修改文本等。

下面是一些简单的例子：

清单 4.

doc.select("div.comments a").attr("rel", "nofollow"); // 为所有链接增加 rel=nofollow 属性 doc.select("div.comments a").addClass("mylinkclass"); // 为所有链接增加 class=mylinkclass 属性 doc.select("img").removeAttr("onclick"); // 删除所有图片的 onclick 属性 doc.select("input[type=text]").val(""); // 清空所有文本输入框中的文本

 

道理很简单，你只需要利用 jsoup 的选择器找出元素，然后就可以通过以上的方法来进行修改，除了无法修改标签名外（可以删除后再插入新的元素），包括元素的属性和文本都可以修改。

修改完直接调用 Element(s) 的 html() 方法就可以获取修改完的 HTML 文档。

 

6. 跟个htmlparse的比较

与 htmlparser 项目不同的是，jsoup 并没有为 HTML 元素定义一个对应的类，一般一个 HTML 元素的组成部分包括：节点名、属性和文本，jsoup 提供简单的方法供你自己检索这些数据，这也是 jsoup 保持瘦身的原因。

而在元素检索方面，jsoup 的选择器简直无所不能，

这是 jsoup 真正让我折服的地方，jsoup 使用跟 jQuery 一模一样的选择器对元素进行检索，以上的检索方法如果换成是其他的 HTML 解释器，至少都需要很多行代码，而 jsoup 只需要一行代码即可完成。

jsoup 的选择器还支持表达式功能，我们将在最后一节介绍这个超强的选择器。

 

 

 

7. jsoup的用处

7.1. html解析

7.2. html修改

7.3. HTML 文档清理

8. code--读取解析表格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;

}

 

}

 

参考

运用 jsoup 对 HTML 文档进行解析和操作(比HTMLParser好） _HTML_CSS_代码迷.htm

使用 jsoup 对 HTML 文档进行解析和操作.htm