使用jericho htmlparser解析html中的table,轻松获取表格中的内容
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.对于表格嵌套的话,可能还需要做相应更改
package com.fresheggs.web;import java.io.IOException;import java.net.MalformedURLException;import java.net.URL;import java.util.List;import net.htmlparser.jericho.Element;import net.htmlparser.jericho.HTMLElementName;import net.htmlparser.jericho.Source;public class TableContentByHtmlParse {public Element getTableContent(Element element,int rows,int cols){Element resultElement=null;List<Element> trList=element.findAllElements(HTMLElementName.TR);if(rows<trList.size()){Element trElement=trList.get(rows);List<Element> tdList=trElement.findAllElements(HTMLElementName.TD);if(cols<tdList.size()){//Element tdElement=tdList.get(cols);resultElement=tdList.get(cols);}}return resultElement;}public static void test(String url){Source source=null;try{source=new Source(new URL(url));}catch(MalformedURLException e){e.printStackTrace();}catch(IOException e){e.printStackTrace();}List<Element> elementList=source.findAllElements(HTMLElementName.TABLE);for(Element element:elementList){Element currentElement=new TableContentByHtmlParse().getTableContent(element,2,2);if(currentElement!=null)System.out.println(currentElement.getContent().toString());}}public static void main(String[] args){test("http://www.akae.cn/study/resourceShareC.html");}}