Question

我今天开始使用HtmlUnit，所以当时我有点像菜鸟。

我设法从1996年开始去IMDB并搜索电影“Sleepers”，我得到了一堆同名的结果：

我想从列表中选择第一个“Sleepers”，这是正确的，但我不知道如何使用HtmlUnit获取该信息。我查看了代码并找到了链接，但我不知道如何提取它。

我想我可以使用一些正则表达式，但这会破坏使用HtmlUnit的目的。

这是我的代码（它有一些来自HtmlUnit的教程和一些代码）：

public IMdB() {
    try {
        //final WebClient webClient = new WebClient();

        final WebClient webClient = new WebClient(BrowserVersion.INTERNET_EXPLORER_8, "10.255.10.34", 8080);

        //set proxy username and password 
        final DefaultCredentialsProvider credentialsProvider = (DefaultCredentialsProvider) webClient.getCredentialsProvider();
        credentialsProvider.addCredentials("xxxx", "xxxx");

        // Get the first page
        final HtmlPage page1 = webClient.getPage("http://www.imdb.com");

        // Get the form that we are dealing with and within that form, 
        // find the submit button and the field that we want to change.
        //final HtmlForm form = page1.getFormByName("navbar-form");
        HtmlForm form = page1.getFirstByXPath("//form[@id='navbar-form']");

        //
        HtmlButton button = form.getFirstByXPath("/html/body//form//button[@id='navbar-submit-button']");            
        HtmlTextInput textField = form.getFirstByXPath("/html/body//form//input[@id='navbar-query']");

        // Change the value of the text field
        textField.setValueAttribute("Sleepers");

        // Now submit the form by clicking the button and get back the second page.
        HtmlPage page2 = button.click();

       // form = page2.getElementByName("s");

        //page2 = page2.getFirstByXPath("/html/body//form//div//tr[@href]");

        System.out.println("content: " + page2.asText());

        webClient.closeAllWindows();
    } catch (IOException ex) {
        Logger.getLogger(IMdB.class.getName()).log(Level.SEVERE, null, ex);
    }

    System.out.println("END");
}

Answer 1

我建议你宁愿使用IMDB api然后再做那些

IMDb目前有两个公共API，虽然没有记录，但非常快速可靠（通过AJAX在他们自己的网站上使用）。

静态缓存的搜索建议API：
- http://sg.media-imdb.com/suggests/a/aa.json
- http://sg.media-imdb.com/suggests/h/hello.json
- 格式：JSONP
更高级的搜索
- 姓名搜索（json）：http://www.imdb.com/xml/find?json=1&nr=1&nm=on&q=jeniffer+garner
- 标题搜索（xml）：http://www.imdb.com/xml/find?xml=1&nr=1&tt=on&q=lost
- 格式：JSON，XML等

Answer 2

你应该这样做：

HtmlPage htmlPage = new WebClient().getPage("http://imdb.com/blah");
HtmlAnchor anchor = htmlPage.getFirstByXPath("//td[@class='primary_photo']//a")
System.out.println(anchor.getHrefAttribute());

HtmlUnit点击链接引用中具有相同名称的特定链接

2 个答案: