html - HTML数据提取

Question

我正在访问一些网站，我需要提取一些数据。更具体地说 - 从这部分：

<input type="hidden" value="1" name="d520783895194bd08750e47c744d553d">

我需要提取“名称”部分。我听说正则表达式不是最好的解决方案，所以我想问一下访问我需要的这条数据的最佳方法是什么。

Answer 1

使用 Html 解析库，他们修复了格式错误的 Html，使导航文档以查找和更新元素变得容易。这是指向 Java/Groovy 实现列表的链接：

http://www.wavyx.net/2009/01/13/looking-for-a-java-html-parser-or-groovy/

看起来NekoHTML和TagSoup很流行，但我没有使用过这两种方法或 Groovy。但我在其他语言中使用过 Html 解析器。

Answer 2

在使用 NekoHTML 或 TagSoup 解析网站后（应该注意您的输入字段标签未关闭的事实），我建议使用 xpath 表达式：

//input[@type='hidden'][@value=1]/@name

在 groovy 中，您将以GPath的形式应用它。