Question

我的目标是检索网站的html，并将其转换为可读的String。我下面的代码有效，但我遇到了一个技术问题：当我尝试检索http://time.gov/HTML5的html时，我的android输出的String与{html不同1}}我在网站上看到了（当我右键单击该页面并点击Google Chrome上的html时看到的Inspect Element）。具体来说，当我使用Inspect Element时，我看到html代码的一部分看起来像

<div class="lzswftext" style="font-family: Arial, Verdana; font-weight: bold; pointer-events: none; width: 319px; height: 60px; font-size: 50px; line-height: 60px;">12:35:54 p.m.</div>

然而，在我的android输出中，我没有看到这样的东西（根本没有“时间”文本[XX：XX：XX]）。有谁知道为什么会发生这种情况，以及我如何修复它以获得我的android输出上html上显示的Inspect Element相同的颜色？

public class MainActivity extends Activity {

    @Override
    protected void onCreate(Bundle savedInstanceState) {
        super.onCreate(savedInstanceState);
        setContentView(R.layout.activity_main);

        DownloadTask task = new DownloadTask();
        task.execute("http://time.gov/HTML5");

    }

    private class DownloadTask extends AsyncTask<String, Void, String>{

        @Override
        protected String doInBackground(String... urls) {
            HttpResponse response = null;
            HttpGet httpGet = null;
            HttpClient mHttpClient = null;
            String s = "";

            try {
                if(mHttpClient == null){
                    mHttpClient = new DefaultHttpClient();
                }


                httpGet = new HttpGet(urls[0]);


                response = mHttpClient.execute(httpGet);
                s = EntityUtils.toString(response.getEntity(), "UTF-8");


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

        @Override
        protected void onPostExecute(String result){
            final TextView textview1 = (TextView) findViewById(R.id.headline);
            textview1.setText(result);

        }
    }
}

Answer 1

如果有正确的HTML＆＃34;，它是您从服务器获得的原始HTML页面（您正确实现的）。您所看到的＆＃34;检查元素＆＃34;在浏览器中是脚本在浏览器中动态修改原始页面的结果（可能涉及或可能不涉及与原始服务器或任何其他人的进一步交互）。

特别是，http://time.gov/HTML5使用JavaScript来完成它的工作。您的代码只是获取HTML页面，它确实没有任何＆＃34;时间文本＆＃34;在你提到的div中。只有在实际浏览器另外执行嵌入式JavaScript代码之后，才会下载一些其他包含的脚本文件并执行这些文件，任何时候都会输出到div元素。

您不能指望在＆＃34;原创＆＃34;中看到脚本的结果。您从服务器获得的HTML。我不认为你从响应中解析HTML并执行其脚本有一种理智（如简单和安全）的方式，但我可能会弄错。

如果您正在尝试获取当前时间并且不仅仅使用上述网站作为示例，那么肯定有更好的方法来实现您想要的效果。例如，看看here。

Answer 2

好吧，当我从源头看，有这一部分。

<div id="appcontainer"></div><div id="lzsplash" style="z-index: 10000000; top: 0; left: 0; width: 430px; height: 200px; position: fixed; display: table"><p style="display: table-cell; vertical-align: middle;"></p></div><script type="text/javascript" defer>
              lz.embed.resizeWindow('430', '200');
              lz.embed.dhtml({url: 'nist_time.lzx.js', lfcurl: 'lps/includes/lfc/LFCdhtml.js', serverroot: 'lps/resources/', bgcolor: '#ffffff', width: '430', height: '200', id: 'lzapp', accessible: 'false', cancelmousewheel: false, cancelkeyboardcontrol: false, skipchromeinstall: false, usemastersprite: false, approot: '', appenddivid: 'appcontainer'});
              lz.embed.applications.lzapp.onload = function loaded() {
                // called when this application is done loading
                var el = document.getElementById('lzsplash');
                if (el.parentNode) {
                    el.parentNode.removeChild(el);
                }
              }
            </script>

这意味着，在加载原始HTML之后，需要一段时间才能加载另一个脚本来嵌入额外的元素。因此，解析失败。我不知道这样做，但我可以建议使用WebView进行黑客攻击，并在onPageFinished()完成页面加载后获取HTML源代码。

检索正确（完整）的HTML

2 个答案: