0

我正在尝试从这个马耳他新闻页面中提取标题

http://www.maltarightnow.com/Default.asp?module=news&at=Inawgurat+%26%23289%3Bnien+%26%23289%3Bdid+f%27Marsalforn&t=a&aid=99839603&cid=19

使用以下 XPath

html/body/table/tbody/tr[2]/td/table/tbody/tr[4]/td/table/tbody/tr[1]/td[1]/table/tbody/tr/td/table/tbody/tr/td[2]/table[3]/tbody/tr[1]/td/h1

（不是很漂亮，但这个 Xpath 是由 Chrome 生成的，因为缺少元素 ID，所以很有意义）。

我正在使用 Java 中的HTMLUnit以编程方式提取标题。这是代码。我使用相同的代码（显然使用不同的 xpath）提取了新闻内容和文章日期。

public static void main (String[] args) {
        WebClient webClient = new WebClient();
        HtmlPage page = null;
        try {
            page = webClient.getPage("http://www.maltarightnow.com/?module=news&at=Inawgurat+%26%23289%3Bnien+%26%23289%3Bdid+f%27Marsalforn&t=a&aid=99839603&cid=19");
        } catch (FailingHttpStatusCodeException | IOException e) {
        }

        String text = ((DomElement)page.getFirstByXPath("html/body/table/tbody/tr[2]/td/table/tbody/tr[4]/td/table/tbody/tr[1]/td[1]/table/tbody/tr/td/table/tbody/tr/td[2]/table[3]/tbody/tr[1]/td/h1")).asText();
        System.out.println(text);
    }

但是它为提到的 xpath 提供了一个空指针

((DomElement)page.getFirstByXPath("html/body/table/tbody/tr[2]/td/table/tbody/tr[4]/td/table/tbody/tr[1]/td[1]/table/tbody/tr/td/table/tbody/tr/td[2]/table[3]/tbody/tr[1]/td/h1")).asText();

没有找到 DomElement，我确定它在那里，毕竟 Chrome 创建了 XPath。

这可能是什么原因？

提前致谢

4

1 回答 1

0

这并不容易。你应该：

  1. 查看 HTMLUnit 实际创建的文本Page.asXml()
  2. 更正您正在遍历的 XPath，以匹配上一步中输出的任何 HTMLUnit
于 2012-08-12T20:00:58.423 回答