java - 从纯文本中提取结构化数据

Question

在输入时我有一个纯文本（在我的情况下通常是 HTML）和一个“语法规范”（从纯文本中提取数据到结构化数据的某种方式），然后在输出时我需要一些结构化数据（JSON 是很好，但也许存在更好的东西？）

这个任务有库吗？指定“语法规范”的好方法是什么？解决此类问题的最佳方法是什么？

score 2 · Accepted Answer

一些基于语法的转换工具：

添加：

FPP (http://jffp.sourceforge.net/) 是 Java 中的一个平面文件解析库，非常有用
如果输入文件仅为 HTML，则 jsoup (http://jsoup.org/) 是 Java HTML 解析器
http://htmlparser.sourceforge.net/或http://mozillaparser.sourceforge.net/或http://jericho.htmlparser.net/docs/index.html也是如此

score 0 · Accepted Answer

0

查看用于 HTML 解析的jsoup和用于 Java-to-JSON 的gson 。

于 2012-01-05T16:41:23.050 回答

score 0 · Accepted Answer

要解析 HTML，您将需要一个 DOM 解析器，这取决于 html 代码的质量，使用您的语法规范来解析它，然后您需要提供一种您想要的数据结构，并且有库要做给你的东西

score 0 · Accepted Answer

0

这接受非结构化的纯文本并给出结构化的 JSON。

于 2016-03-21T09:05:50.277 回答

score -1 · Accepted Answer

好吧，如果纯文本文件的结构是格式良好的，为什么不使用 Java DOM API（或 JDOM）结合 DOCTYPE 来创建 DOM 对象？从那里，您可以使用google-gson库之类的东西遍历该对象并轻松将其转换为 JSON 。

5 回答 5