0

我正在编写一个实用程序，它应该点击动态页面的 URL，检索内容，在各种嵌套的 div 标签中搜索特定的 div 标签并获取内容。

主要是，我正在寻找一些 Java 代码/库。JavaScript 或一些基于 JavaScript 的库也适用于我。

我入围以下 -> JSoup、Jerry、JTidy（最后更新于 2009-12-01）。哪一个是最好的性能明智的？

编辑：改写问题。添加了入围库。

4

5 回答 5

2

如果你喜欢 jQuery 的简单语法，你可以试试Jerry：

Jerry is a jQuery in Java. Jerry is a fast and concise Java Library that simplifies HTML document parsing, traversing and manipulating.
Jerry is designed to change the way that you parse HTML content.

语法似乎很简单。它应该用最多 3 行代码解决您的问题。

于 2011-12-23T09:50:51.063 回答
2

如果你想抓取页面并解析它，我建议使用带有 jsdom 的节点。

安装nodeJS（假设是linux）：

sudo apt-get install git
cd ~
git clone git://github.com/joyent/node
cd node
git checkout v0.6
mkdir ~/.local # If it doesn't already exist
./configure --prefix=~/.local
make
make install

还有一个 Windows 安装程序：http ://nodejs.org/dist/v0.6.6/node-v0.6.6.msi

安装jsdom：

$ npm install jsdom

运行使用您的 url 和相关选择器修改的此脚本：

var jsdom = require('jsdom');

jsdom.env({
    html: 'url',
    done: function(errors, window) {
        console.log(window.document.getElementById('foo').textContent;
    }
});
于 2011-12-23T09:44:02.693 回答
1

http://jtidy.sourceforge.net/

JTidy 非常擅长解析 DOM。

于 2011-12-23T09:09:43.530 回答
1

如果您追求的是选择器引擎，那么Sizzle是您最好的选择。它是 jQuery 使用的引擎。

于 2011-12-23T09:10:09.590 回答
0

为每个 div 提供唯一的 id 并使用 document.getElementById(id) 获取

于 2011-12-23T09:09:43.727 回答