使用 Java 和 JSoup 从 HTML 文件中抓取数据 - Android Studio答案

【问题标题】：Scraping Data From HTML File Using Java And JSoup - Android Studio使用 Java 和 JSoup 从 HTML 文件中抓取数据 - Android Studio
【发布时间】：2023-03-25 16:42:01
【问题描述】：

我正在从 Android Studio 的本地 HTML 页面中抓取数据，而不是显示正确的信息，而是显示一个空白屏幕。该信息不是从 HTML 文件中获取的（它没有显示在日志中）。下面是一段主要的代码。有人知道怎么解决吗？

public class MainActivity extends Activity {

    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);

        try {
            StringBuilder buf=new StringBuilder();
            InputStreamReader inputStream = new InputStreamReader(getAssets().open("filename.html"));
            BufferedReader bufferedReader = new BufferedReader(inputStream);
            String str;
            while ((str=bufferedReader.readLine()) != null) {
                buf.append(str);
            }
            Document doc = Jsoup.parse(buf.toString());
            StringBuilder sb = new StringBuilder();

            Elements tableElements = doc.select("td[colspan='1']");
            TextView textView = (TextView)findViewById(R.id.text_view);
            for (Element td : tableElements) {
                sb.append(td.text() + "\n");
                System.out.println(td.text());
            }
            textView.setText(sb.toString());
        } catch (IOException e) {
            e.printStackTrace();
        }
    }

下面是我要抓取的 HTML。我想抓取像“9:00”和“9:15”这样的时间。还有“声音”、“P.Mann”、“P2016”、“船”、“P2015”、“K.Lion”和“22-29, 32-36”。

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"    "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns='http://www.w3.org/1999/xhtml'>
  <head>
    <title>timetable.html</title>
    <meta http-equiv='content-disposition', content='attachment;filename=timetable.html'>
      <meta http-equiv="Content-Type" content="application/octet-stream" />

      <style>body {background-color:white;} body,td { font-family: arial; }            </style>
    </head>
    <data>
      <body>
        <table cellspacing='0' border='0' width='100%' >
          <col align='left' />
          <col align='center' />
          <col align='right' />
        </data>
        <tr>
          <td/>
          <td/>
          <td/>
        </tr>
      </table>
    </td>
  </tr>
  <tr>
    <td>
      <table cellspacing='0' border='0' width='100%' >
        <col align='left' />
        <col align='center' />
        <col align='right' />
        <tr>
          <td/>
          <td/>
          <td/>
        </tr>
      </table>
    </td>
  </tr>
  <tr>
    <td>
      <table cellspacing='0' border='0' width='100%' >
        <col align='left' />
        <col align='center' />
        <col align='right' />
        <tr>
          <td/>
          <td/>
          <td/>
        </tr>
      </table>
    </td>
  </tr>
  <tr>
    <td>
      <table cellspacing='0' border='0' width='100%' >
        <col align='left' />
        <col align='center' />
        <col align='right' />
        <tr>

          <td>
            <table border='0' width='100%'>
              <tr>
                <td width='40%' align='left'  valign='middle'>
                  <font face='arial' size='3'>
                    <b>The Year<font size='1'>
                      </td>
                      <td width='20%' align='center' valign='middle'>
                        <font face='arial' size='1'>ICOM</td>
                        <td width='40%' align='right' valign='middle'>
                          <font face='arial' size='2'>
                            <b>Weeks selected for output: 26 (22 Feb 2016-28 Feb 2016)</td>
                          </td>
                          <td/>
                          <td/>
                        </tr>
                      </table>
                    </td>
                  </tr>
                </table>
                <table  cellspacing='0'  border='1'>
                  <tr>
                    <td/>

                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>9:00</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>9:15</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>9:30</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>9:45</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>10:00</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>10:15</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>10:30</font>
                    </td> 
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>10:45</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>11:00</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>11:15</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>11:30</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>11:45</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>12:00</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>12:15</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>12:30</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>12:45</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>13:00</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>13:15</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>13:30</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>13:45</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>14:00</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>14:15</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>14:30</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>14:45</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>15:00</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>15:15</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>15:30</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>15:45</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>16:00</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>16:15</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>16:30</font>
                    </td>
                    <td   bgcolor='#C0C0C0' colspan='1'>
                      <font color='#FFFFFF'>16:45</font>
                    </td>
                  </tr>
                  <tr >
                    <td style="border-bottom:3px solid #000000;" rowspan='1' bgcolor='#C0C0C0'>
                      <font color='#FFFFFF'>Monday</font>
                    </td>
                    <td style="border-bottom:3px solid #000000;"  colspan='12' rowspan='1' >

                      <table  cellspacing='0' border='0' width='100%'>
                        <col align='left' />
                        <tr>
                          <td align='left'>
                            <font color='#FF0000'>Sound</font>
                          </td>
                        </tr>
                      </table>
                      <table  cellspacing='0' border='0' width='100%'>
                        <col align='left' />
                        <col align='right' />
                        <tr>
                          <td align='left'>
                            <font color='#000000'>P2016</font>
                          </td>
                          <td align='right'>
                            <font color='#008000'>P.Man</font>
                          </td>
                        </tr>
                      </table>
                      <table  cellspacing='0' border='0' width='100%'>
                        <col align='left' />
                        <tr>
                          <td align='left'>
                            <font color='#000080'>22-29, 32-36</font>
                          </td>
                        </tr>
                      </table>

                    </td>
                    <td style="border-bottom:3px solid #000000;" >&nbsp;</td>
                    <td style="border-bottom:3px solid #000000;" >&nbsp;</td>
                    <td style="border-bottom:3px solid #000000;" >&nbsp;</td>
                    <td style="border-bottom:3px solid #000000;" >&nbsp;</td>
                    <td style="border-bottom:3px solid #000000;"  colspan='4' rowspan='1' >

                      <table  cellspacing='0' border='0' width='100%'>
                        <col align='left' />
                        <tr>
                          <td align='left'>
                            <font color='#FF0000'>Ship</font>
                          </td>
                        </tr>
                      </table>
                      <table  cellspacing='0' border='0' width='100%'>
                        <col align='left' />
                        <col align='right' />
                        <tr>
                          <td align='left'>
                            <font color='#000000'>P2015</font>
                          </td>
                          <td align='right'>
                            <font color='#008000'>K.Loin</font>
                          </td>
                        </tr> 
                      </table>
                      <table  cellspacing='0' border='0' width='100%'>
                        <col align='left' />
                        <tr>
                          <td align='left'>
                            <font color='#000080'>22-29, 32-36</font>
                          </td>
                        </tr>
                      </table>

                    </td>
                    <td style="border-bottom:3px solid #000000;"  colspan='12' rowspan='1' >

                      <table  cellspacing='0' border='0' width='100%'>
                        <col align='left' />
                        <tr>
                          <td align='left'>
                            <font color='#FF0000'>Mobility</font>
                          </td>
                        </tr>
                      </table>
                      <table  cellspacing='0' border='0' width='100%'>
                        <col align='left' />
                        <col align='right' />
                        <tr>
                          <td align='left'>
                            <font color='#000000'>P2222</font>
                          </td>
                          <td align='right'>
                            <font color='#008000'>D.Met</font>
                          </td>
                        </tr>
                      </table>
                      <table  cellspacing='0' border='0' width='100%'>
                        <col align='left' />
                        <tr>
                          <td align='left'>
                            <font color='#000080'>22-29, 32-36</font>
                          </td>
                        </tr>
                      </table>

                    </td>
                  </tr>

【问题讨论】：

标签： java html android-studio web-scraping jsoup

【解决方案1】：

编辑您的选择器以包含“Sound”、“P.Mann”、“P2016”、“Ship”、“P2015”、“K.Lion”和“22-29, 32-36”：

Elements tableElements = doc.select("td[colspan='1'],td[align='left'],td[align='right']");

【讨论】：

但是什么都没有出现，它与文件部分有关' InputStreamReader inputStream = new InputStreamReader(getAssets().open("filename.html")); BufferedReader bufferedReader = new BufferedReader(inputStream);'我添加了它们，它仍然出现“错误”
@DW41 buf.toString() 是否包含预期值？
别这么想，当我在日志中搜索“声音”时，什么都没有出现
@DW41 能不能把buf的值打印出来看看是什么内容？
我输入了“Log.d("String", buf.toString());"以上元素 tableElements 以及我从我的应用程序中返回的所有错误

【解决方案2】：

我的回答是基于假设，因为您没有告知我们与访问文件有关的任何错误/异常您可以并且正在正确访问它。

这意味着问题可能与

您如何解析/选择此文件中的信息
您是如何打印结果信息的（但这点超出了我的范围，因为我不是 Android 开发人员，但我认为 textView.setText(sb.toString()); 是正确的步骤）。

所以我将重点放在第1点。只有与您感兴趣的搜索部分相关的代码是

Elements tableElements = doc.select("td[colspan='1']");

如果您查看tutorial 或documentation of Element#select 中的示例，您将看到基于属性选择元素的语法是element[attribute=value] 而不是element[attribute='value']。
所以它不使用' 或" 来描述属性的值，这意味着你不需要用'1' 包围1。

所以把你的代码改成

Elements tableElements = doc.select("td[colspan=1]");

【讨论】：

关于“还有“Sound”、“P.Mann”、“P2016”、“Ship”、“P2015”、“K.Lion”和“22-29, 32-36 "." 我会把它留给你练习。