网络收获 - 抓取一个网址答案

【问题标题】：web harvest - scraping an url网络收获 - 抓取一个网址
【发布时间】：2013-03-15 00:09:11
【问题描述】：

我正在使用网络收获。但是，我想从 URL 中抓取数据：

http://derstandard.at/anzeiger/immoweb/Suchergebnis.aspx?Regionen=9&Bezirke=&Arten=&AngebotTyp=&timestamp=1363305908912

我的代码是：

<?xml version="1.0" encoding="UTF-8"?>

<config>
    <var-def name="google">
    <html-to-xml>
    <http url="http://derstandard.at/anzeiger/immoweb/Suchergebnis.aspx?Regionen=9&Bezirke=&Arten=&AngebotTyp=&timestamp=1363305908912"></http>
    </html-to-xml>
    </var-def>
</config>

但是我得到：

对实体 Bezirke 的引用必须以 ';' 结尾

我不明白网络收获是什么意思，带有';'？

【问题讨论】：

我不确定你将如何收获网络，但我会推荐你使用 Jsoup。这真的很简单也很有用。

标签： java eclipse web web-scraping webharvest

【解决方案1】：

我不太了解网络收获，但他们的例子是这样的：

<xpath expression="//a[@shape='rect']/@href">
    <html-to-xml>
        <http url="http://www.somesite.com/"/>
    </html-to-xml>
</xpath>

<http url =".." />

而你的代码有

<http url = ".."></http>

也许这是你的问题？不需要结束标签

【讨论】：

【解决方案2】：

您应该在您的 url 中编码与符号，即。将每个&amp; 更改为&amp;。

【讨论】：