java - 从 HTML 文件中收集数据

Question

作为工作的一部分，我必须整理 this page并收集每所学校的学校管理员、地址和县的信息。我在 Java 中做了很多工作，所以我想如果我要尝试做一些事情来做这件事，它应该在 Java 中。

但是我以前没有做过这样的事情，对于应该从哪里开始有点困惑。如果有人可以帮助我了解我需要使用哪些类，以及有关我将如何查看 HTML 代码以对所有这些进行分类的一些信息，那就太好了。谢谢。

Answer 1

您需要实现一个抓取器，即从 HTML 中抓取数据的应用程序。

我会先研究一个不错的爬虫库，例如 jsoup ( http://jsoup.org/ )，看看您是否可以使用它来完成这项工作。

本质上你最终会得到类似的东西:

Document doc = Jsoup.connect("http://www.ncpublicschools.org/...").get();
Elements schools = doc.select("div.indenter p span.colorText2 a");

只需根据需要继续应用选择规则来收集您需要的数据。