jericho-html解析html的一个例子

Jericho HTML Parser:Java中的HTML文档解析利器 假设我们有一个任务,需要从多个网页中提取产品信息,并将其迁移到新的电子商务平台。 阅读详情
<span style="font-size:18px;">public static void main(String[] args) throws ClientProtocolException, IOException {
		CloseableHttpClient client = HttpClients.createDefault();
		HttpGet get = new HttpGet("http://book.douban.com/latest");
		CloseableHttpResponse response = (CloseableHttpResponse) client.execute(get);
		HttpEntity entity = response.getEntity();
		String content = EntityUtils.toString(entity);
		Source source = new Source(content);
		List<Element> lis = source.getAllElements("li");
		System.out.println("总书数目:"+lis.size());
		List<Element> childList=null;
		for(Element em :lis){
			childList = em.getChildElements();
			if(childList.size()==2&&"div".equals(childList.get(0).getName())&&"a".equals(childList.get(1).getName())){
				Element divElement = childList.get(0);
				String title = divElement.getChildElements().get(0).getTextExtractor().toString();
				String description = divElement.getChildElements().get(1).getTextExtractor().toString();
				String summary = divElement.getChildElements().get(2).getTextExtractor().toString();
				System.out.println("标题:" + title);
				System.out.println("描述:" + description);
				System.out.println("简介:" + summary);
				
				Element aelement = childList.get(1);
				String iconpath = aelement.getChildElements().get(0).getAttributeValue("src");
				System.out.println("图片路径:"+iconpath);
				System.out.println("=======================================================================");
			}
		}</span>

jericho-html-3.1.jar 强大的HTML文档解析包。很方便的就能查找标签 立即下载

相关推荐

Jericho HTML Parser

A simple but powerful java library allowing analysis and manipulation of<br>parts of an HTML document, including some common server-side tags, while<br>reproducing verbatim any unrecognised or invalid HTML.<br>Also provides high-level HTML form manipulation functions.

将HTML转换为Apache POI的RichTextString

1.概述 在本教程中,我们将构建一个将HTML作为输入的应用程序,并使用提供HTML的RichText表示形式创建Microsoft Excel工作簿。 为了生成Microsoft Excel工作簿,我们将使用Apache POI 。 为了分析HTML,我们将使用Jericho。 Github上提供了本教程的完整源代码。 2.什么是耶利哥? Jericho是一个Java库 ,它允许对...

最佳 Java 编程 694

Jericho HTML Parser-开源

Jericho HTML Parser是一个Java库,允许对HTML文档的各个部分(包括服务器端标签)进行分析和操作,同时逐字再现任何无法识别或无效HTML。

抓取中国银行汇率

1.使用htmlparser.jericho方法来实现 2.通过列和行来定位表格元素。获取表格元素 3.可以获取所有的表格。 4.使用的jar包:jericho-html-3.1 1 import java.net.URL; 2 import net.htmlparser.jericho.Element; 3 import net.htmlparser.jeri...

diaodan4808的博客 788

基于JerichoHTMLParser的html信息抽取 (2010年)

对web页面上的信息抽取,一般采基于DOM或SAX的解析方式对信息进行解析。面对非结构化的html,无论使用DOM或SAX,都有其不足之处。本文对比DOM、SAX的解析方式,介绍一种开源的JerichoHTMLParser解析方式,其在对html页面信息进行直接解析时,可以获得一个比较好的解析效果。最后,用实验证明基于JerichoHTMLParser解析方式,对html页面信息解析的可靠性和有效性。

低功耗模式下的看门狗使用

最近用国产芯片AT32在做一个低功耗的项目,为了实现低功耗模式下的定时唤醒,我选择的是使用相对比较简单的看门狗来做,下面就分享一下使用过程~ 为了最大限度的降低功耗,我用的是待机模式,先看看几种低功耗模式以及唤醒的区别: 而看门狗AT32提供了两种,分别是独立看门狗(IWDG)和窗口看门狗(WWDG),其区别大概有以下几点: 1、独立看门狗(IWDG)由专用的低速时钟(LSI)驱动,即使主时钟发生故障它也仍然有效;窗口看门狗由从 APB1 时钟分频后得到的时钟驱动,通过可配置的时间窗口来检测应用程序非正常

dc18883988396的博客 3028

jericho解析html

1.导入jar包2.实现源代码packagecom.zhishang.lucene; importnet.htmlparser.jericho.Element; importnet.htmlparser.jericho.HTMLElementName; importnet.htmlparser.jericho.Source; importorg.junit.Tes...

weixin_33943347的博客 267

别再手动连线了!用Tessent IJTAG的SIB和TDR,5分钟搞定复杂芯片的DFT网络分区

本文探讨了如何利用Tessent IJTAG的SIB(Segment Insertion Bit)和TDR(Test Data Register)技术,高效解决复杂芯片DFT网络分区问题。通过智能化的扫描链管理和声明式定义,显著降低连接复杂度,提升测试覆盖率和良率,适用于超大规模SoC设计。

weixin_29251131的博客 300

Jericho Html paser详解

Jericho Html paser详解 Jericho Html parseAPI: http://jericho.htmlparser.net/docs/javadoc/index.html   1:Source 在解析Html文档中第一步就是创建一个Source对象,该对象的构造方法如下: Source(java.lang.CharSequence text) 

hellocdw的专栏 2217

【QGIS】PyCharm集成pyqgis的processing工具箱:环境配置与初始化实战

本文详细介绍了如何在PyCharm中配置QGIS的Python环境并成功集成其强大的Processing工具箱。文章核心解决了独立环境下导入processing模块失败、算法无法调用等常见难题,通过手动添加插件路径和执行关键初始化步骤,实现了在PyCharm中丝滑调用QGIS地理处理算法,从而将复杂的空间分析流程自动化。

weixin_28831399的博客 390

从零配置ORB-SLAM3:TUM-VI数据集yaml文件参数调优指南

本文深入解析了ORB-SLAM3在TUM-VI数据集上的yaml配置文件参数调优方法。针对双目惯性模式,详细拆解了相机标定、IMU噪声模型和ORB特征提取三大模块的关键参数,解释了其原理与影响,并通过实战案例展示了如何通过调整特征点数量、FAST阈值及IMU噪声参数,有效提升系统在低纹理环境下的鲁棒性和轨迹精度。

weixin_29071809的博客 151

Jericho HTML Parser的官方演示文档

转自:[url]http://playfish.javaeye.com/blog/150382[/url]Jericho HTML Parser Jericho HTML Parser is a simple but powerful java library allowing analysis and manipulation of parts of an HTML d...

weixin_33973609的博客 149

逆向分析PerimeterX px3:从混淆JS到生成有效令牌的完整实战

在Web安全与数据采集领域,反自动化防护是保障服务稳定和数据安全的关键技术。其核心原理是通过收集浏览器环境指纹和用户行为特征,动态生成加密令牌来区分真人用户与自动化脚本。这项技术的工程价值在于平衡安全性与用户体验,广泛应用于电商、金融、社交等需要防止恶意爬虫和自动化攻击的场景。本文聚焦于业界广泛部署的PerimeterX px3防护方案,通过JavaScript逆向工程,深入剖析其令牌生成机制。我们将探讨如何运用动态调试、反混淆工具和算法还原等关键技术,突破px3的防护壁垒,为自动化测试和数据采集提供稳定可

diankui6178的博客 522

HttpClient+Jericho HTML Parser 实现网页的抓取

Jericho HTML Parser是一个简单而功能强大的Java HTML解析器库,可以分析和处理HTML文档的一部分,包括一些通用的服务器端标签,同时也可以重新生成无法识别的或无效的HTML。它也提供了一个有用的HTML表单分析器。  下载地址:http://sourceforge.net/project/showfiles.php?group_id=1010

Zfrong繁荣的IT技术、IT项目、解决方案专栏Blog-上海 1679

白话FOC控制中各环节的参数的意义与如何设置参数

FOC参数整定是控制系统的关键环节,如同驯马需要调节"智能马鞍"。核心参数分为三类:电流环参数(P/I/D)决定响应速度和稳定性,速度环参数需慢于电流环5-10倍带宽,系统参数(极对数、电阻等)是电机固有属性必须准确设置。调参心法:由内而外先调电流环,遵循先P后I慎用D原则,内环带宽必须大于外环。利用自动辨识工具,通过听觉(滋滋声表示P过大)和波形观察来微调,最终实现精准控制。

汽车软件开发 356

C#读取和写入excel表数据--手把手教详解

C#读写excel数据详解

如如水的博客 4054

用jericho jar包来解析HTML页面示例

import net.htmlparser.jericho.Element; import net.htmlparser.jericho.HTMLElementName; import net.htmlparser.jericho.Source; import java.io.File; import java.io.IOException; public class H

1028

手把手教你学simulink(83.2)--分布式能源场景实例:使用Simulink构建一个典型的光伏发电分布式能源系统模型

*分布式能源系统(Distributed Energy System, DES)**是指由多个小型发电单元、储能装置和负载组成的电力系统,这些组件通常分布在不同的地理位置。DES包括太阳能光伏(PV)、风力发电、微型燃气轮机、储能电池等。这种系统能够提高能源利用效率、减少传输损耗,并增强电网的稳定性和可靠性。在DES中,各组件之间的协调与控制至关重要。通过使用Simulink,我们可以模拟和优化这些系统的运行情况,研究其动态行为,并设计有效的控制策略。

MHD0815的博客 1104

解析html,还是jericho html parser 好用

一晚上搜索 JTidy,html parser,hotSax,结果还是 jericho html parser 好用。除了包名起得很长以外。 以后html可以随意解析了。

桂林的博客 483

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

HTML 解析器 Jericho

Jericho HTML解析器是一个Java库,以分析和操纵部分的HTML文件,其中包括服务器端的标签,而过滤掉任何无法识别的或无效的HTML 。它也提供高层次的HTML表单操作函数。 http://www.oschina.net/action/project/go?id=8344&p=download 示例代码: import net.htmlparser.jericho.*;

梦想无论怎样模糊,总潜伏在我们心底,使我们的心境永远得不到安宁. 908

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

通过jericho获取网页编码

通过jericho获取网页编码 public class MyParser { /** * 通过parser解析页面 * @param parserSource 要被解析的网页源文件 */ public void parserSource(String parserSource) { Source source = new Source(parserSourc

维京群岛 579

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

html分析器——jericho-html-3.3分解table

原部分来自Internet上的其他博客,只是因为很长一段时间。忘了谁是参考,这里说声抱歉。。 先贴一些html页: <html> <head> <meta http-equiv="content-type" content="text/html;charset=GBK"> <title>HTML Parser</title> ...

weixin_30699463的博客 86
上一篇: java字符编码
下一篇: Jericho Html paser详解
hellocdw
博客等级 码龄15年 5粉丝 26原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值