Question

我正在使用Jsoup和Java来解析HTML文件。我的问题是如何才能提取“每小时费率：23,016个订单”的行我正在解析很多文件，因此每小时费率旁边的数字会改变。

<html>
<head>
<title>Testing</title>
</head>
<body>
<p class=MsoNormal align=center style='background:#DEDEDF'>
<span style='font-size:18.0pt'><b>Testing</b></span></p>
Hourly Rate: 23,016 orders<br>
<table border=0 cellpadding=0>
<tr valign=top>
<td>

由于

Answer 1

我刚刚添加了这段代码：

 String HourlyRate = doc.body().ownText();
//String text = doc.body().text();

System.out.println(HourlyRate);

这印刷出来：每小时收费：23,016个订单

Answer 2

抓住MsoNormal类，然后使用正则表达式查找数字，即

Document doc = Jsoup.parse(htmlString);
Element msoNormal = doc.getElementsByClass("MsoNormal").first();
if(msoNormal!=null){
  Pattern p = Pattern.compile("[0-9]+,[0-9]+");
  Matcher m = pattern.matcher(msoNormal.text());
  if(matcher.find())
    System.out.println(m.get());
}

Java-Jsoup，scrape html

2 个答案: