Question

我需要从HTML页面中提取值。

该页面包含：

enter image description here

我想从那里只提取值。

我试过这段代码：

   import java.io.*;
import java.net.*;
import javax.swing.text.html.*;
import javax.swing.text.html.parser.*;

public class Test extends HTMLEditorKit.ParserCallback {
  StringBuffer txt;
  Reader reader;

  // empty default constructor
  public Test() {}

  // more convienient constructor
  public Test(Reader r) {
    setReader(r);
  }

  public void setReader(Reader r) { reader = r; }

  public void parse() throws IOException {
    txt = new StringBuffer();
    ParserDelegator parserDelegator = new ParserDelegator();
    parserDelegator.parse(reader, this, true);
  }

  public void handleText(char[] text, int pos) {
    txt.append(text);
  }

  public String toString() {
    return txt.toString();
  }

  public static void main (String[] argv) {
    try {
      // the HTML to convert
      URL toRead;
      if(argv.length==1)
        toRead = new URL(argv[0]);
      else
        toRead = new URL("http://test.com/values.html");

      BufferedReader in = new BufferedReader(
        new InputStreamReader(toRead.openStream()));
      Test d = new Test(in);
      d.parse();
      in.close();
      System.out.println(d.toString());
    }
    catch (Exception e) {
      e.printStackTrace();
    }
  }
}

我得到的是这个摘录：

Measured valuestable{font-family:verdana,arial,helvetica,sans-serif;color:#000;font-size:10px;background-color:#fff;}Temperature:24.9°CRelative humidity:48.3%RHDew point:13.3°C

有没有机会只提取值？

25.0
51.0
14.1

谢谢大家的帮助和理解。

真诚的问候。

谢谢大家的帮助。如我所知，我使用JSoup如下：

   Document doc;
   try {

    // need http protocol
    doc = Jsoup.connect("http:/test.com/values.html").get();



    String text = doc.text();

    System.out.println("text : " + text);
            Element pending = doc.select("table td:eq(1)").get(0);
            Element nextDate = doc.select("table td:eq(1)").get(1);
            Element date = doc.select("table td:eq(1)").last();

            System.out.println(pending.text() + "\n" + nextDate.text() + "\n" + date.text());




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

}

结果如下：

23.9°C 
52.8%RH
13.7°C

如果没有ºC和％RH，则无法仅提取值？

对于给您带来的不便，我深表歉意。

Answer 1

rpirez，

使用 Jsoup 库使用java解析HTML页面，它提供了按文档，元素，标签，逐行等方式解析HTML页面的最佳方法，

实施例：文档doc = Jsoup.connect（“http://en.wikipedia.org/”）。get（）;

或按ID获取元素，

//如果是单个数据

Document doc = Jsoup.parse(html);

Element data1 = doc.getElementById("data1");

// If its a multiple data,
Elements inputElements = data1.getElementsByTag("input");
// Using elements do something like this to parse the data perfectly,    
for (Element inputElement : inputElements) {
    String key = inputElement.attr("name");
    String value = inputElement.attr("value");
}

如果您对使用此罐子有任何疑问，请告诉我们......

谢谢和问候，哈利

Answer 2

嘿，在使用了我对jsoup的想法之后，你需要的是将字符串转换为带小数的数字，所以使用下面的代码来得到以下结果。因为元素不知道数字......

public static void main(String[] args) {
    String str="23.9°C";
    System.out.println(str.replaceAll("[^0-9.]+", " ").toString());
    str="52.8%RH";
    System.out.println(str.replaceAll("[^0-9.]+", " ").toString());
    str="13.7°C";
    System.out.println(str.replaceAll("[^0-9.]+", " ").toString());
}

23.9 
52.8 
13.7

Answer 3

Google for jericho，这是一个非常好的解析html页面的框架，这比apache Httpclient更好。

如何使用JAVA从HTML页面解析值

3 个答案: