Извлечение содержимого из URL с помощью JSOUP - PullRequest
Новая
       9

Извлечение содержимого из URL с помощью JSOUP

0 голосов
/ 02 сентября 2011

Я хочу извлечь содержимое из URL, и это содержимое ниже, которое я хочу извлечь с помощью jsoup. 

 And I want to extract text of <div id =content>

    <div id="content">
                  <!-- Start: Header -->
<div id="content-group_header-0" class="header content-podgroup-wrapper content-podgroup-0-0 first-pod">

    <h4 class="h4 no-font-replace ">
    Your imagination knows no borders or boundaries.  </h4>


  </div>
<!-- End: Header -->

<!-- Start: Open HTML -->
<div id="content-group_open_html-0" class="open-html wysiwyg content-podgroup-wrapper content-podgroup-0-0">

  <div class="open-html"><p>And we say, let it run wild. Because in that freedom is the shape of what’s to come.</p>
<p>Hello</p>
<p>Whatever it is you do, our pathway to innovation begins and ends with you.</p>
</div>
  </div>

<!-- End: Open HTML -->
<!-- Start: Header -->
<div id="content-group_header-1" class="header content-podgroup-wrapper content-podgroup-1-1">

    <h4 class="h4 no-font-replace ">
    Dreams grow, but not without nurturing.  </h4>

  </div>
<!-- End: Header -->

<!-- Start: Open HTML -->
<div id="content-group_open_html-1" class="open-html wysiwyg content-podgroup-wrapper content-podgroup-1-1">

  <p>In our fiscal year 2010, we invested 23% of our gross revenue or $2.549 billion in R&D—an investment that has increased every year since 2000. It’s how we’ve been able to stay ahead of the curve and deliver on the promise of new wireless technologies:</p>

<ul class="supporting-content">
<li> Hello World</li>

<li>We were the first to produce a single</li>

<li>We were the first to commercialize a chipset</li>

<li>We were the first to deliver GHz processing power integrated with 3G</li>

<li>We are the first to produce a laptop solution</li>

<li>We are the first to commercialize</li>

</ul>
<p>In fact, with a current intellectual property portfolio consisting of more than 77,000 patents granted and pending</p>
  </div>
<!-- End: Open HTML -->
<!-- Start: Header -->
<div id="content-group_header-2" class="header content-podgroup-wrapper content-podgroup-2-2">

    <h4 class="h4 no-font-replace ">
    Our partnerships are our most valuable assets.  </h4>

  </div>
<!-- End: Header -->

<!-- Start: Open HTML -->
<div id="content-group_open_html-2" class="open-html wysiwyg content-podgroup-wrapper content-podgroup-2-2">

<p></p>
<p></p>
</div>

  </div>
<!-- End: Open HTML -->
<!-- Start: Header -->
<div id="content-group_header-3" class="header content-podgroup-wrapper content-podgroup-3-3">

    <h4 class="h4 no-font-replace ">
    So where does the pathway to innovation lead?  </h4>

  </div>
<!-- End: Header -->

<!-- Start: Open HTML -->
<div id="content-group_open_html-3" class="open-html wysiwyg content-podgroup-wrapper content-podgroup-3-3 last-pod">

  <div class="open-html"><p>We’re eager to find out ourselves, because if the pathway begins with you, then it’s up to you to decide where it’s headed. So let’s explore the possibilities. Let’s never stop discovering.</p>
<p>Working together, the pathway to innovation can go as far as our dreams will take us.</p>
</div>
  </div>
<!-- End: Open HTML -->
                </div><!-- END: content -->

Кто-нибудь может объяснить, как это можно сделать с помощью JSOUP.

1 Ответ

4 голосов
/ 02 сентября 2011

Зачем вам использовать регулярные выражения для этого? Jsoup - это анализатор HTML, который питается только CSS-селекторами . Просто используйте правильный селектор CSS. Я так понимаю, что вы хотите выбрать <div id="content">? Для этого используйте CSS ID-селектор этого формата #id. 

Document document = Jsoup.connect("http://www.host.com/domain").get();
Element content = document.select("#content").first();
System.out.println(content.html()); 
// ...

Или, если вы хотите получить только текст, используйте Element#text() вместо Element#html(): 

System.out.println(content.text()); 
// ...

Внимательно прочитайте следующие документы, чтобы узнать, как использовать селекторы CSS в Jsoup:

Не стоит задумываться об использовании регулярных выражений для разбора HTML .

...