Question

假设我复制了一个完整的HTML表（当每个tr和td都有额外的属性时）成为一个字符串。如何获取所有内容（标签之间的内容）并创建一个像原始表一样组织的2D数组？

例如，对于此表：

<table border="1">
    <tr align= "center">
        <td align="char">TD1</td>
        <td>td1</td>
        <td align="char">TD1</td>
        <td>td1</td>
    </tr>
    <tr>
        <td>TD2</td>
        <td>tD2</td>
        <td class="bold>Td2</td>
        <td>td2</td>
    </tr>
</table>

我想要这个数组： array

PS：我知道我可以使用正则表达式，但它会非常复杂。我想要一个像JSoup这样的工具，可以自动完成所有工作而无需编写代码

Answer 1

这是使用JSoup（srsly, don't use regexp for HTML）来完成的。

Document doc = Jsoup.parse(html);
Elements tables = doc.select("table");
for (Element table : tables) {
    Elements trs = table.select("tr");
    String[][] trtd = new String[trs.size()][];
    for (int i = 0; i < trs.size(); i++) {
        Elements tds = trs.get(i).select("td");
        trtd[i] = new String[tds.size()];
        for (int j = 0; j < tds.size(); j++) {
            trtd[i][j] = tds.get(j).text(); 
        }
    }
    // trtd now contains the desired array for this table
}

此外，您的示例中未正确关闭class属性值：

<td class="bold>Td2</td>

应该是

<td class="bold">Td2</td>

Answer 2

也许String.split('<whateverhtmltabletag>')可以帮到你？

此类StringTokenizer类也很有用。例如：

String data = "one<br>two<br>three";  
StringTokenizer tokens = new StringTokenizer(data, "<br>");  
while (tokens.hasMoreElements()) {  
   System.out.println(tokens.nextElement());  // prints one, then two, then three
}

另外，使用indexOf("<tag")，例如：http://forums.devshed.com/java-help-9/parse-html-table-into-2d-arrays-680614.html

您还可以使用HTML解析器（如jsoup），然后将表中的内容复制到数组中。以下是javascript中的示例：JavaScript to parse HTML table of numbers into an array

Answer 3

没关系，我在互联网上看到了这段代码：HtmlTableParser

现在看来我现在还有另一个问题，但这与这个问题并不完全相关，所以我会打开另一个问题。

Answer 4

到目前为止，它不是最好的，但我希望它有用......简单的用字符串

public void read_data() {
    try {
        file = new File("_result.xml");
        FileReader fileReader = new FileReader(file);
        BufferedReader bufferedReader = new BufferedReader(fileReader);
        String line = "";
        String output = "";
        int a = 0, b = 0;
        boolean _write = false;

        while ((line = bufferedReader.readLine()) != null) {
            if(line.trim().startsWith("<td")) { _write = true; } else { _write = false; }

            if(_write) {
                a = line.indexOf('>')+1;
                b = line.lastIndexOf('<');
                output += line.substring(a,b) + "|";
            }

            if(line.trim().equals("</tr>")) {
                System.out.println(output);
                output = "";
            }

        }
        fileReader.close();
    } catch (IOException e) {
        e.printStackTrace();
    }

如何将HTML转换为2D数组<table> </table>

4 个答案: