Java - 如何从 HTML 站点中解析信息？ [关闭]答案

【问题标题】：Java - How to parse information out of HTML Site? [closed]Java - 如何从 HTML 站点中解析信息？ [关闭]
【发布时间】：2014-09-15 13:09:09
【问题描述】：

我有一个带有 HTML 站点的 StringBuffer，并且想要了解该站点的一些特定信息。

1 行是 f.e.:

img class="a" data-src="http://test.com" src="" /

我想要一个带有“http://test.com”的字符串。

有可以帮助我的函数/解析器吗？

【问题讨论】：

jsoup (jsoup.org)

标签： java html parsing servlets

【解决方案1】：

这是一个常见问题，您可以通过快速的 Google 搜索找到答案。

查看正则表达式 (regex)，因为您可能不止一次需要它。

【讨论】：

jeah 但我没有找到我需要的东西。我需要一个正则表达式：xxxINEEDTHATyyy，我可以说：我想要在 xxx 和 yyy 之间的“INEEDTHAT”，而 INEEDTHAT 是未知的
我不想把别人的答案归功于别人，所以这里是同一个问题的链接 - stackoverflow.com/questions/11255353/…
谢谢，这是完美的。最后一个问题：现在我有 2 个模式（p，l），由于顺序，我在同一个匹配器（m）中它们是什么：Pattern p = Pattern.compile(Pattern.quote(pattern1) + "(.*? )" + > > Pattern.quote(pattern2));模式 l = Pattern.compile(Pattern.quote(pattern3) + "(.*?)" + > > Pattern.quote(pattern4));匹配器 m = p.matcher(res.toString()); while (m.find()) { System.out.println(m.group(1)); } 我如何在 m 中获得两种模式？

【解决方案2】：

考虑JSoup 框架。

有"Selector"机制来查找和操作html元素。

【讨论】：

【解决方案3】：

Jsoup 可以解决问题，只需做一点 css 即可获得所需的任何元素。

Document doc = Jsoup.connect("http://test.com").get();
//DOM Selector CSS String see jsoup docs.
//This will select all image elements with the a class similar to css. IE: img.a
//http://jsoup.org/cookbook/extracting-data/selector-syntax
//Get all elements that are images with class of a

Elements images = doc.select("img.a");

for (Element image : images) {
//Get the url of the image

String url = image.attr("data-src");;

}

【讨论】：

我没明白。我在 doc 中加载 html 页面，但是 doc.select("img[data-src]");做？我不知道 data-src 并且不想要所有图像的 src，只需要 a 类的图像
@user3688653 为清楚起见更新了此内容，如果您有任何其他问题，请告诉我。