优秀的 Java 网页渲染库 [关闭]答案

【问题标题】：Good Java Web Page Rendering Libraries [closed]优秀的 Java 网页渲染库 [关闭]
【发布时间】：2012-10-05 00:03:51
【问题描述】：

我需要一个好的页面渲染库，以便我可以从网页中提取所有链接（包括锚文本、底层超链接、链接在页面上的绝对位置）。

我一直在使用 CSSBox 库，但是渲染的盒子模型中缺少 href 属性。换句话说，我只能单独使用 CSSBox 获取链接的锚文本和位置。我必须利用锚文本和另一个 html 解析库（例如 Jsoup）来获取 href 属性（即事实上的 URL）。

有没有什么库可以更好地实现我的目标？

【问题讨论】：

标签： java html html-parsing rendering

【解决方案1】：

你可以很容易地用CSSBox 做到这一点。每个ElementBox 实例都有getElement() 获取对应的DOM Element。这意味着，有一个元素框a 代表呈现的链接，您可以使用a.getElement().getAttribute("href") 获取目标url。另请参阅CSSBox discussion forum 中的相关主题。

【讨论】：

天啊...我没有注意到...你是我的救星！谢谢。

【解决方案2】：

要求

如前所述，这仅适用于您愿意使用Groovy。不过，由于 Groovy 很容易与 Java 集成，这通常不是问题。

此外，这将需要一个浏览器。我不确定这是否会破坏您的交易。

用法

来自docs：

您可以获取页面上内容的大小和位置。所有单位以像素为单位。尺寸可通过高度和宽度获得属性，而位置可用作 x 和 y 属性表示到页面左上角（或父级）的距离 frame) 到内容的左上角。

例如：

Browser.drive {
  // Load the page
  go "http://myapp.com"

  // $("a") returns all hyperlinks on the page, similar to jQuery
  $("a").each { a ->
     // Display the required link properties and attributes
     println """
        The link to '${a.@href}' with text '${a.text()}' is at location (${a.x}, ${a.y}),
        with a height of ${a.height}px and a width of ${a.width}px.
     """
  }
}

【讨论】：

Jerry 是否提供了检索 html 元素位置的功能？
@TerryLi 在什么意义上？在父母之内？是的，通过使用index。
一个元素在页面上的绝对位置，即x和y坐标。
@TerryLi，不，这仅限于 html 解析。我非常抱歉，因为我误读了你的问题。我没有看到绝对定位要求。
@TerryLi 希望我的更新答案对您更有用。很抱歉造成混乱

【解决方案3】：

JavaFX 的 WebEngine 可能适合您：http://docs.oracle.com/javafx/2/api/javafx/scene/web/WebEngine.html

我不会说它易于使用或轻量级，但看看吧。

【讨论】：

【解决方案4】：

编辑

如果你需要一个解析器，这样你就可以看到一个 HTML 页面的所有链接并做任何你需要做的事情，我推荐 Jericho。

Jericho HTML Parser 是一个 java 库，允许分析和操作 HTML 文档的各个部分，包括服务器端标签，同时逐字复制任何无法识别或无效的 HTML。它还提供高级 HTML 表单操作功能。

简单又小巧，性能不错

【讨论】：

你能用 Jericho 渲染一个网页吗？ OP 想知道网页上某个元素的“绝对位置”（尽管我怀疑这与渲染器无关）。
不幸的是，我在 Jericho 中找不到任何方法可以为我检索 html 元素的位置。
不，对不起。我会编辑我的答案

【解决方案5】：

您可能想看看http://htmlunit.sourceforge.net。它不是一个渲染器，而是一个无 GUI 的浏览器。它甚至支持各种 JavaScript 引擎和 ActiveX。

但是我很确定您不能使用它来跟踪任何元素的位置，因为它实际上并没有呈现网页。

【讨论】：