如何解析HTML源代码而不获取整个源代码。

Question

我有兴趣从网站的源代码中提取特定内容。我可以使用JSoup，使用

获取整个源代码

Document doc;
doc = Jsoup.connect("http://example.com").get();
Element divs = document.getElementById("importantDiv");

然而，问题是我需要每天做大约20000次，以便能够获得div中发生的所有更改。每次创建整个文档都会占用大量的网络带宽，我想避免这种情况。有没有办法能够提取所需的元素而无需在客户端重新创建整个文档。

注意：代码段是一个示例，而不是我需要提取的实际URL或ID。

Answer 1

我不相信您可以请求网页的特定部分。 JSoup基本上是一个Web客户端类，Web客户端无法控制服务器发送它的内容。服务器是指示发送内容的服务器，因此您无法在不请求整个网页的情况下真正请求网段的一部分。

您是否可以访问此网页，或者它是外部网站？

Answer 2

如果您无法控制服务器端，则无法执行此操作。您需要下载完整的HTML。但请注意，它只是HTML，而不是其他资源，如样式表，图像，javascripts等。

为了节省带宽，您需要在服务器中安装一些代码，以便它只提供所需的信息。

Answer 3

看一下URLConnection类，你可以用它来打开一个到URL的连接获取连接的输入流并只读取你需要的字节数，这样就可以了，你不会有下载整个文档，但遗憾的是，您将无法从偏移量开始下载文档。您将始终必须从头开始下载文档。