使用Jsoup解析HTML内容
这是我的HTML来源
<li>
<a href="/info/some1>Item 1<br>
<span class="deets">111</span>
</a>
</li>
<li>
<a href="/info/some2>Item 2<br>
<span class="deets">222</span>
</a>
</li>
<li>
<a href="/info/some3>Item 3<br>
<span class="deets">333</span>
</a>
</li>
这是我获取内容的Java程序，它过滤HTML标记
try {
myurl = new URL("http://www.somewebsite.com");
HttpURLConnection con= (HttpURLConnection) myurl.openConnection();
InputStream result = con.getInputStream();
BufferedReader reader = new BufferedReader(new InputStreamReader(result));
StringBuilder sb = new StringBuilder();
for(String line; (line = reader.readLine()) != null;)
//append all content & separate using line separator
sb.append(line).append(System.getProperty("line.separator"));
String final_result = sb.toString().replaceAll("\\<.*?\\>", "");
TextView tv=(TextView) findViewById(R.id.textView1);
tv.setText(final_result);
}
catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
tv.setText("not working");
}
-
是否有使用Jsoup而不是使用Java而不是Regex解析HTML内容的简便方法
-
有没有办法只获取所需的内容。所以在这里我只需要内容“项目2-222”
<li> <a href="/info/some2>Item 2<br> <span class="deets">222</span> </a> </li>
问题答案：
尝试使用jsoup轻松解析：
// To parse the html page
Document doc = Jsoup.connect("http://www.website.com").get();
Document doc1 = Jsoup.parse("<html><head><title>First parse</title></head>" + "<body> <p>Parsed HTML into a doc.</p></body></html>");
String content = doc.body().text();
// To get specific elements such as links
Element links = doc.select("a[href]");
for(Element e: links){
System.out.println("link: " + e.attr("abs:href"));
}
要了解更多信息，请访问Jsoup Docs
-
我想解析出这个Nasa页面上的描述，页面底部的文字 我该怎么做？
-
主要内容：Jsoup 使用DOM解析HTML 语法,Jsoup 使用DOM解析HTML 说明,Jsoup 使用DOM解析HTML 示例以下示例将展示在将 HTML 字符串解析为 Document 对象后如何使用类似 DOM 的方法。 Jsoup 使用DOM解析HTML 语法 document ： 文档对象代表 HTML DOM。 Jsoup ： 解析给定 HTML 字符串的主类。 html ： HTML 字符串。 sampleDiv ： 元素对象表示由 id“sampleDiv”标识的 html
-
问题内容： 我正在尝试使用jsoup解析HTML。这是我第一次使用jsoup，并且我也阅读了有关它的一些教程。以下是我要解析的HTML表- 如果您看到我的下表，则它现在有3个（我只是为了理解目的将其缩短为3个表行，但总的来说会更多）。现在，我想从我的下表中提取出它的对应信息，例如-我将提取其群集状态及其状态为关闭的所有主机名。 正如你可以看到下面的群集名称，我有两个主机名和其地位，但地位。 因此，
-
我试图从这些div标签中获取文本，但是它们都不返回任何内容: HTML: 我想得到div类“消息”和h4标记和跨越“日期时间”中的文本，我试图： 和： 但是他们没有成功。
-
正如您在下面看到的集群名称，我有两个主机名和，其中状态为，但状态为。 因此，我将打印作为集群名，并打印作为主机名，因为它已关闭。使用JSOUP可以做到这一点吗？ 到目前为止，我能够使用jsoup提取整个HTML表，但不确定如何提取集群名和主机名- 更新：- 表中可能有两个集群名称，如下所示- 现在，如果您看到上面，我有两个集群名称--一个是，另一个是，所以我想找到所有仅为集群名称关闭的计算机。
-
我知道在解析HTML表方面有很多问题。然而，在做了一些研究并研究了Jsoup之后，我有点被它难倒了。 我有时间表 我想解析以取出标记的文本，但要保持某种格式。 我更愿意将数据分割成可管理的块。也许我可以做一个？ 但是，这意味着没有演讲时间。除非不需要计算空格和计算时间，假设每个空格是15分钟。