atitit. java jsoup html table的读取解析 总结
1. 两个大的parser ,,,jsoup 跟个 htmlparser 1
4. 解析并提取 HTML 元素的模式( 选择器 and DOM 方式 ) 2
html table的读取
jsoup 百度为您找到相关结果约321,000个
htmlparser 百度为您找到相关结果约113,000个
运用 jsoup 对 HTML 文档进行解析和操作(比HTMLParser好）
Java 程序在解析 HTML 文档时，相信大家都接触过 htmlparser 这个开源项目，我曾经在 IBM DW 上发表过两篇关于 htmlparser 的文章，分别是：从 HTML 中攫取你所需的信息和?扩展 HTMLParser 对自定义标签的处理能力。但现在我已经不再使用 htmlparser 了，原因是 htmlparser 很少更新，但最重要的是有了 jsoup 。
作者:: 老哇的爪子 Attilax 艾龙， EMAIL:1466519819@qq.com
转载请注明来源： http://blog.csdn.net/attilax
这部分涉及一个 HTML 解析器最基本的功能，但 jsoup 使用一种有别于其他开源项目的方式――选择器，我们将在最后一部分详细介绍 jsoup 选择器，本节中你将看到 jsoup 是如何用最简单的代码实现。
不过 jsoup 也提供了传统的 DOM 方式的元素解析，看看下面的代码
修改数据
在解析文档的同时，我们可能会需要对文档中的某些元素进行修改，例如我们可以为文档中的所有图片增加可点击链接、修改链接地址或者是修改文本等。
下面是一些简单的例子：
清单 4.
|
doc.select("div.comments a").attr("rel", "nofollow"); // 为所有链接增加 rel=nofollow 属性 doc.select("div.comments a").addClass("mylinkclass"); // 为所有链接增加 class=mylinkclass 属性 doc.select("img").removeAttr("onclick"); // 删除所有图片的 onclick 属性 doc.select("input[type=text]").val(""); // 清空所有文本输入框中的文本 |
道理很简单，你只需要利用 jsoup 的选择器找出元素，然后就可以通过以上的方法来进行修改，除了无法修改标签名外（可以删除后再插入新的元素），包括元素的属性和文本都可以修改。
修改完直接调用 Element(s) 的 html() 方法就可以获取修改完的 HTML 文档。
与 htmlparser 项目不同的是，jsoup 并没有为 HTML 元素定义一个对应的类，一般一个 HTML 元素的组成部分包括：节点名、属性和文本，jsoup 提供简单的方法供你自己检索这些数据，这也是 jsoup 保持瘦身的原因。
而在元素检索方面，jsoup 的选择器简直无所不能，
这是 jsoup 真正让我折服的地方，jsoup 使用跟 jQuery 一模一样的选择器对元素进行检索，以上的检索方法如果换成是其他的 HTML 解释器，至少都需要很多行代码，而 jsoup 只需要一行代码即可完成。
jsoup 的选择器还支持表达式功能，我们将在最后一节介绍这个超强的选择器。
prj.wechatadm4prp
package com.attilax.html;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
//import com.attilax.cc.Document;
import com.attilax.io.pathx;
import com.attilax.lang.core;
import com.attilax.lang.json.JsonX;
import com.attilax.util.AngularJsX;
@SuppressWarnings("all")
public class HtmlX {
public static void main(String[] args) {
Stringjsppath="applyInstall\\appinst_list.jsp";
jsppath="aa/bb";
jsppath=jsppath.replaceAll("/", "\\\\");
System.out.println(jsppath);
List li=getTitlesMap(jsppath,"tabid1","utf-8");
System.out.println(JsonX.toJsonStrO88(li));
}
/**
*
* @param jsppath %app%/path
* @param tableId
* @param htmlEncode
* @return
*/
public static List<Map> getTitlesMap(String jsppath, String tableId,String htmlEncode) {
jsppath=pathx.delWebappPrefix(jsppath);
jsppath=jsppath.replaceAll("/", "\\\\");
jsppath=pathx.webAppPath()+"\\"+jsppath;
List li=new ArrayList();
File input = new File(jsppath);
try {
Document doc = Jsoup.parse(input, htmlEncode, "http://example.com/");
Element tab_elmt=doc.getElementById(tableId);
Elements trs= tab_elmt.getElementsByTag("tr");
Element titleTr=trs.get(0);
Element fldTr=trs.get(1);
Elements tds=titleTr.getElementsByTag("td");
if(tds.size()==0)
tds=titleTr.getElementsByTag("th");
Elements tds_fld=fldTr.getElementsByTag("td");
for(int i=0;i<tds.size();i++)
{
Element td=tds.get(i);
Map m=new HashMap();
m.put("title", td.text());
String fld1=tds_fld.get(i).text();
String fld=AngularJsX.getFld_sf(fld1);
m.put("fld", fld);
if(fld.length()>0)
li.add(m);
}
} catch (IOException e) {
throw new RuntimeException(e);
}
return li;
}
}
参考
运用 jsoup 对 HTML 文档进行解析和操作(比HTMLParser好） _HTML_CSS_代码迷.htm
使用 jsoup 对 HTML 文档进行解析和操作.htm
atitit. java jsoup html table的读取解析 总结
原文：http://blog.csdn.net/attilax/article/details/44283163