Java Html解析器提取特定数据？答案

【问题标题】：Java Html parser to extract specific data?Java Html解析器提取特定数据？
【发布时间】：2012-08-11 20:16:32
【问题描述】：

我有一个类似下面的 html 文件

...
<span itemprop="A">234</span>
...
<span itemprop="B">690</span>
...

在此我想将值提取为 A 和 B。
你能推荐任何可以轻松做到这一点的 java html 解析器库吗？

【问题讨论】：

标签： java html-parsing web-scraping

【解决方案1】：

就个人而言，我更喜欢 JSoup 而不是 JTidy。它有类似 CSS 的 selectors，而且文档要好得多，恕我直言。使用 JSoup，您可以使用以下几行轻松提取这些值：

Document doc = Jsoup.connect("your_url").get();
Elements spans = doc.select("span[itemprop]");

for (Element span : spans) {
  System.out.println(span.text()); // will print 234 and 690
}

【讨论】：

我不想提取 A 和 B，而是提取其他值 234 和 690
@vivek_jonam：然后改用text()，它给你span的内容。我已经编辑了我的答案。
好的。作品。但是我可以单独获得 A 和 B 的值吗？还有其他 itemprop 值，例如 A1、C、E 等。
是的，有两种方法可以做到这一点。 1）当你遍历每个span元素时，你可以检查span.attr("itemprop")是否等于A或B； 2）您可以运行两个选择，一个使用span[itemprop=A]，另一个使用span[itemprop=B]。

【解决方案2】：

JTidy 是一个名称混乱但受人尊敬的 HTML 解析器。

【讨论】：

【解决方案3】：

http://jsoup.org/

JSoup 是要走的路。

【讨论】：