使用 java 获取 <div align="center"></div> 之间的所有数据答案

【问题标题】：get all data between <div align="center"></div> with java使用 java 获取 <div align="center"></div> 之间的所有数据
【发布时间】：2012-05-18 03:19:45
【问题描述】：

我根本没有任何java经验，所以我有点迷茫。使用 selenium，我已经下载了页面的 html，并将其存储在字符串中。现在我想抓取所有数据并将其放入数组中。所以在 jquery 风格中，我会说它是这样的：

$('div[align="center"]').each(function(){
 array[] = $(this).text();
});

不同之处在于现在我必须从字符串中取出它并在 java 中执行它。因为我没有使用 java 的经验，所以我正在寻找最简单的方法。

感谢您的帮助！

【问题讨论】：

您可以使用正则表达式查找
然后调用 Zalgo :P
更严重的是，selenium 不能以更结构化的方式将 html 返回给您吗？就像一棵 dom 树。

标签： java html selenium webdriver

【解决方案1】：

您可以使用 Selenium 选择正确的元素，而不是通过 Selenium 获取整个 HTML（有更轻量级的工具，请参阅 Get html file Java）。

如果您使用的是 Selenium RC：

// assuming 'selenium' is a healthy Selenium instance
String divText = selenium.getText("css=div[align='center']");

或者如果您使用的是 Selenium 2 (WebDriver)：

// assuming 'driver' is a healthy WebDriver instance
String divText = driver.findElement(By.cssSelector("div[align='center']")).getText();

如果实际上有更多的<div align="center">元素，你可以全部获取：

List<WebElement> divList = driver.findElements(By.cssSelector("div[align='center']"));
// and use every single one
for (WebElement elem : divList) {
    System.out.print(elem.getText());
}

The Selenium JavaDocs。特别想看WebDriver、WebElement。

And the Selenium documentation in examples.阅读。

【讨论】：

这几乎可以正常工作，除了我需要使用 findElements 而不是 findElement。我使用 selenium 是因为我首先需要发布一些表格。
是的，那是另一种选择。这样，您可以获得多个元素。我会将其编辑为答案。我很高兴它有帮助！
非常感谢您的帮助！现在可以了！只有一件事，在你的最后一个例子中，[WebElements] 必须是。再次感谢！
哈，错字:)。如果您有更多问题，请随时创建一个 SO 聊天室并在此处发布指向它的链接。

【解决方案2】：

使用 selenium，而不是下载源页面，而是使用 selenium 来获取要从中获取文本的 html 元素，方法是使用 xpath 或一些定位器 (Selenium Locating strategies)..然后执行getText..something like..selenium.getText(locator_of_element)。如果它是一个元素列表，那么您可以在定位器前面使用索引进行循环，例如。 //div[0], //div[i] 等

希望对你有帮助..

【讨论】：

【解决方案3】：

我建议你阅读这个问题：

Using Java to find substring of a bigger string using Regular Expression

这里唯一的困难是您必须构建正则表达式，但这不是 java 问题。

请阅读有关换行符的 cmets 和 Pattern.DOTALL 标志的使用。

编辑：正如 Luciano 所说，我会寻找一种更好的方式来阅读 html。您的String 可能包含多个<div align="center">，并且您可能不会一开始就得到您想要的。

编辑：

此代码似乎有效：

String html = "<div align=\"center\">text</div>";

Pattern MY_PATTERN = Pattern.compile("<div align=\"center\">(.*?)</div>");

Matcher m = MY_PATTERN.matcher(html);
while (m.find()) {
    String s = m.group(1);
    System.out.println(s);
}

【讨论】：

我已经用正则表达式尝试过了，但我无法让它工作。生病尝试卢西亚诺的建议。感谢您的意见
当我补充说下载 html 有问题，所以它还没有工作
我猜是网站的服务器问题，吃完饭再试试，结果会告诉你的
当我使用它时它不起作用。您的示例确实如此，但是当我更改 String html = "
text
";到字符串 html = webdata.getPageSource();它没有显示任何东西。字符串 html 不是空的，当我打印他时，它会显示页面的整个源代码。
你试过Pattern.DOTALL标志吗？ Pattern MY_PATTERN = Pattern.compile("<div align=\"center\">(.*?)</div>",Pattern.DOTALL);