个人中心
文章发布
退出
作者热门文章
- mongodb - 在 MongoDB mapreduce 中，如何展平值对象？
- javascript - 对象传播与 Object.assign
- html - 输入类型 ="submit"Vs 按钮标签它们可以互换吗？
- sql - 使用 MongoDB 而不是 MS SQL Server 的优缺点
34
4
我在我的工作中做了很多 HTML 解析。到目前为止，我一直在使用 HtmlUnit headless 浏览器进行解析和浏览器自动化。
现在，我想将这两个任务分开。
我想使用一个轻量级的 HTML 解析器，因为在 HtmlUnit 中首先加载一个页面，然后获取源代码然后解析它需要很长时间。
我想知道哪个 HTML 解析器可以有效地解析 HTML。我需要
如果它不清理脏的 HTML 代码对我来说没问题。我不需要清理任何 HTML 源代码。我只需要一种最简单的方法来跨 HtmlElements 移动并从中收集数据。
最佳答案
自插件:我刚刚发布了一个新的 Java HTML 解析器:jsoup .我在这里提到它是因为我认为它会满足您的需求。
它的派对技巧是使用 CSS 选择器语法来查找元素，例如:
String html = "<html><head><title>First parse</title></head>"
+ "<body><p>Parsed HTML into a doc.</p></body></html>";
Document doc = Jsoup.parse(html);
Elements links = doc.select("a");
Element head = doc.select("head").first();
见 Selector javadoc 了解更多信息。
这是一个新项目，欢迎提出任何改进意见!
关于java - 如何使用 Java 有效地解析 HTML？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/2168610/
34
4
0
我收到未知数据，我想以编程方式查看相关性，并将所有完全相关的变量组合在一起(忽略方向)。在下面的数据集中，我可以手动查看相关性并说 a, f, g, h一起去吧b, d, e .我怎样才能以编程方
这个问题在这里已经有了答案: use dplyr's summarise_each to return one row per function? (3 个答案) 关闭 4 年前。 作为探索性工作的
我想要完成的是使用数组存储未知大小的多项式。我在互联网上看到的是使用一个数组，每个单元格都包含系数，度数是单元格编号，但这不是有效的，因为如果我们有一个多项式，如:6x^14+x+5。这意味着我们将从
嘿伙计们，我一直在尝试解析 HTML 文件以从中抓取文本，但时不时地，我会得到一些非常奇怪的字符，例如 à€œ。我确定是“智能引号”或弯头标点符号导致了我的所有问题，因此我的临时修复是搜索所有这些字符
我原来的 data.table 由三列组成。 site、observation_number 和 id。 例如以下是 id = z 的所有观察结果 |site|observation_number|i
"Premature optimisation is the root of all evil (but it's nice to have once you have an ugly solutio
给定这个数组 X: [1 2 3 2 3 1 4 5 7 1] 和行长度数组R: [3 2 5] 表示转换后每行的长度。 我正在寻找一个计算效率高的函数来将 X reshape 为数组 Y: [[ 1
我有一些 data.frame s: # Sample data a <- data.frame(c(1:10), c(11:20)) names(a) <- c("A", "B") b <- dat
我有点困惑。列表擅长任意位置插入，但不善于随机访问？ (怎么可能)如果你不能随机访问，你怎么知道在哪里插入？ 同样，如果你可以在任何位置插入，为什么你不能从那个位置高效地读取？ 最佳答案 如果您已经有
我有一个向量，我想计算它的移动平均值(使用宽度为 5 的窗口)。 例如，如果有问题的向量是[1,2,3,4,5,6,7,8]，那么 结果向量的第一个条目应该是 [1,2,3,4,5] 中所有条目的总和
有一个随机整数生成器，它生成随机整数并在后台运行。需求设计一个API，调用时返回当时的簇数。 簇:簇是连续整数的字典顺序。例如，在这种情况下，10,7,1,2,8,5,9 簇是 3 (1,2--5--
我想做的是将一组 (n) 项分成大小相等的组(大小为 m 的组，并且为简单起见，假设没有剩余，即 n 可以被 m 整除)。这样做多次，我想确保同一组中的任何项目都不会出现两次。 为了使这稍微更具体一些
假设我有一些包含类型排列的模板表达式，在本例中它们来自 Abstract Syntax Tree : template
我已经在这方面工作了几天，似乎没有我需要的答案。 由于担心这个被标记为重复，我将解释为什么其他问题对我不起作用。 使用 DIFFLIB for Python 的任何答案都无助于我的需求。 (我在下面描
我正在使用 NumPy 数组。 我有一个 2N 长度向量 D，并希望将其一部分 reshape 为 N x N 数组 C. 现在这段代码可以满足我的要求，但对于较大的 N 来说是一个瓶颈: ``` i
我有一个问题: 让我们考虑这样的 pandas 数据框: Width Height Bitmap 67 56 59 71 61 73 ...
我目前正在用 C 语言编写一个解析器，设计它时我需要的东西之一是一个可变字符串“类”(一组对表示实例的不透明结构进行操作的函数)，我将其称为 my_string。 string 类的实例只不过是包装
假设我在 --pandas-- 数据框中有以下列: x 1 589 2 354 3 692 4 474 5 739 6 731 7 259 8 723
我有一个成员函数，它接受另一个对象的常量引用参数。我想 const_cast 这个参数以便在成员函数中轻松使用它。为此，以下哪个代码更好？: void AClass::AMember(const BC
我们目前正在将 Guava 用于其不可变集合，但我惊讶地发现他们的 map 没有方法可以轻松创建只需稍作修改的新 map 。最重要的是，他们的构建器不允许为键分配新值或删除键。 因此，如果我只想修改一
我是一名优秀的程序员,十分优秀！