Для извлечения данных из источника HTML я использую небольшой метод с именем getBetween () , чтобы выполнить задачу.Конечно, данные, которые я лично хочу, кажется, всегда находятся между какими-то строками:
<code>/**
* Retrieves any string data located between the supplied string leftString
* parameter and the supplied string rightString parameter.<br><br>
* <p>
* <p>
* This method will return all instances of a substring located between the
* supplied Left String and the supplied Right String which may be found
* within the supplied Input String.<br>
*
* @param inputString (String) The string to look for substring(s) in.
*
* @param leftString (String) What may be to the Left side of the substring
* we want within the main input string. Sometimes the
* substring you want may be contained at the very
* beginning of a string and therefore there is no
* Left-String available. In this case you would simply
* pass a Null String ("") to this parameter which
* basically informs the method of this fact. Null can
* not be supplied and will ultimately generate a
* NullPointerException.
*
* @param rightString (String) What may be to the Right side of the
* substring we want within the main input string.
* Sometimes the substring you want may be contained at
* the very end of a string and therefore there is no
* Right-String available. In this case you would simply
* pass a Null String ("") to this parameter which
* basically informs the method of this fact. Null can
* not be supplied and will ultimately generate a
* NullPointerException.
*
* @param options (Optional - Boolean - 2 Parameters):<pre>
*
* ignoreLetterCase - Default is false. This option works against the
* string supplied within the leftString parameter
* and the string supplied within the rightString
* parameter. If set to true then letter case is
* ignored when searching for strings supplied in
* these two parameters. If left at default false
* then letter case is not ignored.
*
* trimFound - Default is true. By default this method will trim
* off leading and trailing white-spaces from found
* sub-string items. General sentences which obviously
* contain spaces will almost always give you a white-
* space within an extracted sub-string. By setting
* this parameter to false, leading and trailing white-
* spaces are not trimmed off before they are placed
* into the returned Array. * * @return (1D String Array) Возвращает одномерный массив строк *, содержащий все подстроки, найденные в предоставленном Input* Строка, которая находится между предоставленной левой строкой и поставляемой * правой строкой.Вы можете немного сократить этот метод, * возвращая ArrayList List и удаляя код преобразования 'List * to 1D Array' в конце этого метода.Этот * метод изначально сохраняет свои результаты в объекте List * в любом случае.* / public String [] getBetween (String inputString, String leftString, String rightString, boolean ... options) {// Ничего не вернуть, если ничего не было предоставлено.if (inputString.equals ("") || (leftString.equals ("") && rightString.equals (""))) {return null;} // Готовим необязательные параметры, если таковые имеются.// Если ничего не указано, используйте Defaults ... boolean ignoreCase = false;// По умолчанию.логическое trimFound = true;// По умолчанию.if (options.length> 0) {if (options.length> = 1) {ignoreCase = options [0];} if (options.length> = 2) {trimFound = options [1];}} // Удаляем любые управляющие символы ASCII из // предоставленной строки (если они существуют).String modString = inputString.replaceAll ("\\ p {Cntrl}", "");// Установить объект массива List String для хранения // найденных подстрок между предоставленной левой // строкой и предоставленной правой строкой.List list = new ArrayList <> ();// Используем Pattern Matching, чтобы найти наши возможные подстроки в предоставленной Input String.Строка regEx = Pattern.quote (leftString) + (! RightString.equals ("")? "(. *?)": "(. *)?") + Pattern.quote (rightString);if (ignoreCase) {regEx = "(? i)" + regEx;} Pattern pattern = Pattern.compile (regEx);Matcher matcher = pattern.matcher (modString);while (matcher.find ()) {// Добавить найденные подстроки в список.Строка найдена = matcher.group (1);if (trimFound) {found = found.trim ();} list.add (найдено);} String [] res;// Преобразование ArrayList в 1D String Array.// Если список содержит что-то, тогда преобразуем if (list.size ()> 0) {res = new String [list.size ()];res = list.toArray (res);} // В противном случае вернуть Null.else {res = null;} // Возвращаем String Array.вернуть Res;}
Получить исходный HTML-код на веб-странице очень просто.Чтобы получить необходимые числовые значения из «желаемого результата», который вы первоначально разместили (показано ниже)
Источник HTML:
<td align="right" class="nowrap"> <a href="website" onclick="return
doWindow(this, 700, 500);" class="popup">0</a> </td>
<td align="right" class="nowrap"><a href="website"
onclick="doWindow(this.href, '1024', '768'); return false;">10 000</a> [10
000]</td>
<td align="right" class="nowrap">10 000</td>
<td align="right" class="nowrap">20.48</td>
<td align="right" class="nowrap">0.00</td>
<td align="right" class="nowrap">$28.65</td>
<td align="right" class="nowrap">0.00 %</td>
<td align="right" class="nowrap">$894.69</td>
<td align="right" class="nowrap">10.11</td>
<td align="right" class="nowrap">0.21</td>
<td align="right" class="nowrap"> <a href="website" onclick="return
doWindow(this, 700, 500);" class="popup">0</a> </td>
<td align="right" class="nowrap"><a href="website"
onclick="doWindow(this.href, '1024', '768'); return false;">10 000</a> [10
000]</td>
<td align="right" class="nowrap">10 000</td>
<td align="right" class="nowrap">46.21</td>
<td align="right" class="nowrap">0.00</td>
<td align="right" class="nowrap">$53.82</td>
<td align="right" class="nowrap">0.00 %</td>
<td align="right" class="nowrap">$1 151.78</td>
<td align="right" class="nowrap">8.01</td>
<td align="right" class="nowrap">0.00</td>
<td align="right" class="nowrap"> <a href="website" onclick="return
doWindow(this, 700, 500);" class="popup">0</a> </td>
<td align="right" class="nowrap"><a href="website"
onclick="doWindow(this.href, '1024', '768'); return false;">5 000</a> [5
000]</td>
<td align="right" class="nowrap">5 000</td>
<td align="right" class="nowrap">22.51</td>
<td align="right" class="nowrap">0.00</td>
<td align="right" class="nowrap">$222.53</td>
<td align="right" class="nowrap">0.00 %</td>
<td align="right" class="nowrap">$2 399.92</td>
<td align="right" class="nowrap">5.94</td>
<td align="right" class="nowrap">0.01</td>
<td align="right" class="nowrap"> <a href="website" onclick="return
<td align="center">
<input type="text" tabindex="2" name="productData[price]
[{33013477}]" size="10" value="3000.00">
</td>
Я бы использовал getBetween () метод примерно такой:
// Let's assume the "desired output" you acquired
// is contained within a Text file named "HtmlData.txt".
// Hold our scraped data in a 2D List inteface.
List<List<String>> list = new ArrayList<>();
// Read File using BufferedReader in a Try With Resources block...
try (BufferedReader reader = new BufferedReader(new FileReader("HtmlData.txt"))) {
String line;
List<String> numbers = null;
while ((line = reader.readLine()) != null) {
numbers = new ArrayList<>();
line = line.trim();
if (line.equals("")) {
continue;
}
if (line.startsWith("onclick=\"doWindow(this.href,")) {
while ((line = reader.readLine()) != null) {
line = line.trim();
if (line.endsWith("return")) {
list.add(numbers);
break;
}
if (line.equals("")) {
continue;
}
if (line.startsWith("<td align=\"right\" class=\"nowrap\">")) {
numbers.add(getBetween(line, "<td align=\"right\" class=\"nowrap\">", "</td>", true, true)[0]);
}
}
}
if (line.contains("name=\"productData[price]")) {
while ((line = reader.readLine()) != null) {
line = line.trim();
if (line.equals("")) {
continue;
}
if (line.startsWith("[{33013477}]")) {
numbers.add("Product Price: " + getBetween(line, "value=\"", "\">", true, true)[0]);
list.add(numbers);
break; // DONE
}
}
}
}
if (numbers != null && !numbers.isEmpty()) {
list.add(numbers);
}
}
catch (IOException ex) {
ex.printStackTrace();
}
// Display our findings to the Console Window in a
// table style format:
for (int i = 0; i < list.size(); i++) {
for (int j = 0; j < list.get(i).size(); j++) {
System.out.printf("%-10s ", list.get(i).get(j));
}
System.out.println("");
}
Если вы не заметили, другая часть, которую вы хотите из строк:
<td align="center">
<input type="text" tabindex="2" name="productData[price]
[{33013477}]" size="10" value="3000.00">
</td>
, также содержалась внутриданные файла.Когда код будет запущен, вы увидите следующее окно консоли:
10 000 20.48 0.00 $28.65 0.00 % $894.69 10.11 0.21
10 000 46.21 0.00 $53.82 0.00 % $1 151.78 8.01 0.00
5 000 22.51 0.00 $222.53 0.00 % $2 399.92 5.94 0.01
Product Price: 3000.00