1

我正在研究一个 groovy 脚本，它将获取所有本地 html 文件并解析其中的某些标签。我尝试使用 html clean 之类的东西，但它不起作用。我试图阅读每一行，但只有当我需要的东西在 1 行时才有效。我在 github 上有这个脚本，https://github.com/jrock2004/johns-octopress-scripts/blob/master/convertCompiledPosts/convertPosts.groovy。感谢您的任何意见

编辑：所以我越来越近了。我现在有这个代码

def parser = new org.cyberneko.html.parsers.SAXParser()
new XmlParser( parser ).parse( curFile+ "/index.html" ).with { page ->
    page.'**'.DIV.grep { it.'@class'?.contains 'entry-content' }.each {
    println it
    println "--------------------------------"
    }
}

它打印的是

DIV[attributes={class=entry-content}; value=[P[attributes={}; value=[As an automation developer, I have learned how to write code in Java. When I am having an issue, one of the nice things that you can do is debug your code, line by line. For the longest I had wished that something like this existed in PHP. I have come to find out that you can actually debug code, like I do in Java. This is such a helpful task because I do not have to waste time using var_dump and such on variables or results. In your apache/php server you need to install and or enable something called, A[attributes={href=http://xdebug.org/}; value=[Xdebug]], . I will work on a tutorial on how to use xdebug while writing code in Sublime Text 2. So keep an eye out on my blog and or, A[attributes={href=http://www.youtube.com/jrock20041}; value=[YouTube]], channel for this tutorial.]]]]

所以基本上我想要的是我将包含 div 中的 html 元素的文本与类 entry-content 结合起来。如果您想查看该页面，可以在这里找到——http: //jcwebconcepts.net/blog/2013/02/02/xdebug/

谢谢你的帮助

4

1 回答 1

2

它确实有效...将此页面的 HTML 保存到文件中，然后您可以对其进行解析。

以下代码打印页面上每条评论的作者姓名：

@Grab('net.sourceforge.nekohtml:nekohtml:1.9.16')
def parser = new org.cyberneko.html.parsers.SAXParser()

new XmlParser( parser ).parse( file ).with { page ->
  page.'**'.A.grep { it.'@class'?.contains 'comment-user' }.each {
    println it.text()
  }
}

当file设置为File指向保存的 HTML（或String包含此问题的 URL）时，它会打印：

tim_yates
jrock2004
tim_yates

编辑：

要打印给定节点的内容，您可以执行以下操作（使用已编辑问题中的示例）：

@Grab('net.sourceforge.nekohtml:nekohtml:1.9.16')
import groovy.xml.*

def parser = new org.cyberneko.html.parsers.SAXParser()

new XmlParser( parser ).parse( 'http://jcwebconcepts.net/blog/2013/02/02/xdebug/' ).with { page ->
  page.'**'.DIV.grep { it.'@class'?.contains 'entry-content' }.each { it ->
    println XmlUtil.serialize( it )
  }
}
于 2013-04-12T08:10:14.147 回答