Question

我正在访问某个网站，我需要提取一些数据。更具体 - 从这一部分：

<input type="hidden" value="1" name="d520783895194bd08750e47c744d553d">

我需要提取“名称”部分。我听说reular表达式不是最好的解决方案，所以我想问一下访问我需要的这些数据的最佳方法是什么。

Answer 1

使用Html解析库，他们修复格式错误的Html，使其易于导航文档以查找和更新元素。以下是Java / Grovy实现列表的链接：

看起来NekoHTML和TagSoup很受欢迎，但我没有使用过任何一个或者Grovy。但我在其他语言中使用过Html Parsers。

Answer 2

使用NekoHTML或TagSoup解析网站后（应该注意输入字段标记未关闭），我建议使用xpath表达式：

//input[@type='hidden'][@value=1]/@name

在groovy中，您将以GPath的形式应用它。