Java 新手,我最近开始学习如何使用 Java 从网站读取 HTML,但我一直在尝试学习如何解析它并提取元素(有用的数据)。我一直在寻找最好的方法来做到这一点,并且 Jsoup 不断出现,所以我决定尝试一下。我能够提取表格元素,但有很多无用的 HTML,最好将其删除。.我如何从该站点提取表格并只包含行元素,使用 Jsoup 是否有一种简单的方法?
String html = "http://beta.letsplaysoccer.com/facilities/26/teams/187822";
Document doc = Jsoup.connect(html).get();
Elements tableElements = doc.select("table");
System.out.print(tableElements);
感谢您的帮助!
编辑:无用的 HTML,如标签、类名等。如果我想使用此表数据,我只想使用游戏日期或其他内容
<td> <a href="/facilities/26/games?exact_date=14-03-30">Sun 03-30-14 07:25 PM</a></td>
我最终想做的是将这些数据提取到我自己的 GUI 或其他东西中
最佳答案
jsoup有帮助,但您需要手动浏览所有 HTML,这有点痛苦......
例如,这里有一些内容可以打印第一个表中的得分情况:
import java.io.IOException;
import java.util.List;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.nodes.Node;
import org.jsoup.select.Elements;
import org.junit.Test;
public class JSoupTest {
@Test
public void testJSoup() throws IOException {
String html = "http://beta.letsplaysoccer.com/facilities/26/teams/187822";
Document doc = Jsoup.connect(html).get();
Elements tableElements = doc.select("table");
Element firstTable = tableElements.get(0);
List<Node> firstTableRows = firstTable.childNodes().get(1).childNodes();
int numRows = firstTableRows.size();
// skip first row as header
for (int i = 1; i < numRows; i++) {
Node row = firstTableRows.get(i);
if (row instanceof Element) {
Node homeTeam = row.childNode(5).childNode(1).childNode(0);
Node visitorTeam = row.childNode(7).childNode(1).childNode(0);
// some are in bold
if(visitorTeam.childNodeSize() > 0 ){
visitorTeam = visitorTeam.childNode(0);
}
Node score = row.childNode(9).childNode(0);
System.out.println(homeTeam + " vs " + visitorTeam + ": " + score);
}
}
}
}
关于Java 从站点提取表数据?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/22310562/