我想使用Java使用xpaths从HTML中提取内容。在ruby中,我可以使用nokogiri执行此操作,如此处所示。
xpath = '/html/body/div/div[2]/div[2]/div/div[2]/div[3]/p'
doc = Nokogiri::HTML(open('test_001_html64.html'))
doc.xpath().each do |link|
puts link.content
end
我想用纯Java做。我查看了Jsoup,但是我找不到任何使用xpath执行此操作的文档或示例。有人可以建议吗?
谢谢
答案 0 :(得分:1)
以下是使用JAXP(捆绑在Java中)执行此操作的方法:JAXP Manual
答案 1 :(得分:0)
您可以使用HtmlUnit执行该任务。
这是一个简单的例子:
final WebClient webClient = new WebClient();
final HtmlPage startPage = webClient.getPage("http://www.google.com/");
List<DomNode> nodes = page.getByXPath("/html/body/div/div[2]/div[2]/div/div[2]/div[3]/p");
for (DomNode node : nodes) {
System.out.println(node.getNodeName());
}
答案 2 :(得分:-2)
您可以在jsoup中轻松完成此操作。
Document doc = Jsoup.connect("test_001_html64.html").get();
Elements info = doc.getElementsByTag("html");
//iterate recursively to the desired location in the dom tree.
为了更快地解析,您可以使用特定的标签/ ID。
jsoup(jsoup.org/apidocs)的文档也存在。