Question

我想访问html文件中包含的表格。这是我的代码：

  import java.io.*; 
  import com.gargoylesoftware.htmlunit.html.HtmlPage;
  import com.gargoylesoftware.htmlunit.html.HtmlTable;
  import com.gargoylesoftware.htmlunit.html.*;
  import com.gargoylesoftware.htmlunit.WebClient;


  public class test {

  public static void main(String[] args) throws Exception {

    WebClient client = new WebClient();
    HtmlPage currentPage = client.getPage("http://www.mysite.com");
    client.waitForBackgroundJavaScript(10000);



final HtmlDivision div = (HtmlDivision) currentPage.getByXPath("//div[@id='table-matches-time']");

   String textSource = div.toString();
    //String textSource = currentPage.asXml();

FileWriter fstream = new FileWriter("index.txt");
BufferedWriter out = new BufferedWriter(fstream);
out.write(textSource);

out.close();

    client.closeAllWindows();

  }

 }

表格采用以下形式：

   <div id="table-matches-time" class="">
                    <table class=" table-main">

但是我收到了这个错误：

 Exception in thread "main" java.lang.ClassCastException: java.util.ArrayList cannot be cast to com.gargoylesoftware.htmlunit.html.HtmlDivision
at test.main(test.java:20)

我怎么读这张桌子？

Answer 1

这可行（并返回一个csv文件;））：

    import java.io.*; 
    import com.gargoylesoftware.htmlunit.html.HtmlPage;
    import com.gargoylesoftware.htmlunit.html.HtmlTable;
    import com.gargoylesoftware.htmlunit.html.HtmlTableRow;
    import com.gargoylesoftware.htmlunit.html.*;
    import com.gargoylesoftware.htmlunit.WebClient;


    public class test {

    public static void main(String[] args) throws Exception {

    WebClient client = new WebClient();
    HtmlPage currentPage = client.getPage("http://www.mysite.com");
    client.waitForBackgroundJavaScript(10000);

FileWriter fstream = new FileWriter("index.txt");
BufferedWriter out = new BufferedWriter(fstream);



   for (int i=0;i<2;i++){

final HtmlTable table = (HtmlTable) currentPage.getByXPath("//table[@class=' table-main']").get(i);




   for (final HtmlTableRow row : table.getRows()) {

   for (final HtmlTableCell cell : row.getCells()) {
    out.write(cell.asText()+',');
   }
out.write('\n');
   }

   }

out.close();

    client.closeAllWindows();

   }

   }

Answer 2

看起来您的查询返回的是节点列表，而不是单个div。你有多个带有该ID的物品吗？

Answer 3

替换这部分代码：

(HtmlDivision) currentPage.getByXPath("//div[@id='table-matches-time']");

使用：

(HtmlDivision) currentPage.getFirstByXPath("//div[@id='table-matches-time']");

第一种方法总是返回一个元素集合，即使它是一个元素，而第二种方法总是返回一个元素，即使有更多元素。

修改

由于你有两个具有相同id的元素（根本不可取），你应该使用它：

(HtmlDivision) currentPage.getByXPath("//div[@id='table-matches-time']").get(0);

这样你就可以获得该系列的第一个元素。 .get(1);会让你成为第二个。

使用htmlunit访问html表

3 个答案: