个人中心
文章发布
退出
作者热门文章
- html - 出于某种原因，IE8 对我的 Sass 文件中继承的 html5 CSS 不友好？
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景？
24
4
我正在编写一段代码来检测网页中匹配的标签模式。这是一个例子。
<body>
<table width="200" border="1">
<tr>
<td>Name</td>
<td>Place</td>
<td>Animal</td>
</tr>
<p>hello World</p>
<tr>
<td>Jack</td>
<td>New york</td>
<td>Lion</td>
</tr>
<b>Code Works</b>
<tr>
<td>George</td>
<td>Sydney</td>
<td>Tiger</td>
</tr>
<tr>
<td>Tina</td>
<td>Delhi</td>
<td>Cat</td>
</tr>
</table>
<table>
<tbody>
<tr>
<td> </td>
<td>
<a href="/cgi-bin/site_searcher.cgi?START=20&SEARCHTERM=asia&SID=&SEARCH=1&BOOLEAN=&CAT=">1</a>
<a href="/cgi-bin/site_searcher.cgi?START=20&SEARCHTERM=asia&SID=&SEARCH=1&BOOLEAN=&CAT=">2</a>
<a href="/cgi-bin/site_searcher.cgi?START=40&SEARCHTERM=asia&SID=&SEARCH=1&BOOLEAN=&CAT=">3</a>
<a href="/cgi-bin/site_searcher.cgi?START=60&SEARCHTERM=asia&SID=&SEARCH=1&BOOLEAN=&CAT=">4</a>
<a href="/cgi-bin/site_searcher.cgi?START=80&SEARCHTERM=asia&SID=&SEARCH=1&BOOLEAN=&CAT=">5</a>
</td>
</tr>
</tbody>
</table>
</body>
对于上述标签模式，我需要找到重复出现的标签。并丢弃那些不在模式中的标签，例如标签 b 和 p。对于第一个表标签 tr 和 td 正在发生。对于第二个表，重复“a”标签。这就是我到目前为止所做的:
但我对如何进一步进行感到困惑。注意:标签模式不是固定的。标签模式会根据网页结构而变化。任何形式的帮助将不胜感激。
最佳答案
But I am confused about how to proceed further.
您的困惑正在传播并影响到我们。不过，我会尽力给你一个提示。
您可以对 HTML 代码中的标签进行计数。如果某个标签计数达到一定阈值，您可以将该标签视为“重复出现”。
// Load document
String html = ...
Document doc = Jsoup.parse(html);
// Count tags
String tagsSelector = "*";
Map<Element, Integer> tagsCountByType = new Hashmap<>();
for(Element e : doc.select("*")) {
Integer count = tagsCountByType.get(e);
if (count == null) {
tagsCountByType.put(e, new Integer(1));
} else {
tagsCountByType.put(e, new Integer(count.intValue() + 1));
}
}
// Find tag with a count greater than a given threshold
// ...
我没有测试代码。只是把它当作一个想法，某种灵感。
另一个想法，您可以缩小tagsSelector的范围。例如:
// All elements (tags) under any table directly under body.
String tagsSelector = "body > table *";
关于java - 使用jsoup java检测网页中的相同标签模式，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/35321425/
24
4
0
对此感到疯狂，真的缺少一些东西。 我有webpack 4.6.0，webpack-cli ^ 2.1.2，所以是最新的。 在文档（https://webpack.js.org/concepts/mod
object Host "os.google.com" { import "windows" address = "linux.google.com" groups = ["linux"] } obj
每当我安装我的应用程序时，我都可以将数据库从 Assets 文件夹复制到 /data/data/packagename/databases/ .到此为止，应用程序工作得很好。 但 10 或 15 秒后
我在 cc 模式缓冲区中使用 hideshow.el 来折叠我不查看的文件部分。 如果能够在 XML 文档中做到这一点就好了。我使用 emacs 22.2.1 和内置的 sgml-mode 进行 xm
已结束。此问题不符合 Stack Overflow guidelines .它目前不接受答案。 我们不允许提出有关书籍、工具、软件库等方面的建议的问题。您可以编辑问题，以便用事实和引用来回答它。 关闭
根据java: public Scanner useDelimiter(String pattern) Sets this scanner's delimiting pattern to a patt
我读过一些关于 PRG 模式以及它如何防止用户重新提交表单的文章。比如this post有一张不错的图: 我能理解为什么在收到 2xx 后用户刷新页面时不会发生表单提交。但我仍然想知道: (1) 如果
看看下面的图片，您可能会清楚地看到这一点。 那么如何在带有其他一些 View 的简单屏幕中实现没有任何弹出/对话框/模式的微调器日期选择器？ 我在整个网络上进行了谷歌搜索，但没有找到与之相关的任何合适
我不知道该怎么做，我一直遇到问题。 以下是代码: rows = int(input()) for i in range(1,rows): for j in range(1,i+1):
我想为重写创建一个正则表达式。 将所有请求重写为 index.php(不需要匹配)，它不是以/api 开头，或者不是以('.html'，或'.js'或'.css'或'.png'结束) 我的例子还是这样
MVC模式代表 Model-View-Controller（模型-视图-控制器） 模式 MVC模式用于应用程序的分层开发 Model（模型） - 模型代表一个存取数据的对象或 JAVA PO
我想为组织模式创建一个 RDF 模式世界。您可能知道，组织模式文档基于层次结构大纲，其中标题是主要的分组实体。 * March auxiliary :PROPERTIES: :HLEVEL: 1 :E
我正在编写一个可以从文件中读取 JSON 数据的软件。该文件包含“person”——一个值为对象数组的对象。我打算使用 JSON 模式验证库来验证内容，而不是自己编写代码。符合代表以下数据的 JSON
假设我有 4 张 table 人 公司 团体 和 账单 现在bills/persons和bills/companys和bills/groups之间是多对多的关系。 我看到了 4 种可能的 sql 模式
假设您有这样的文档: doc1: id:1 text: ... references: Journal1, 2013, pag 123 references: Journal2, 2014,
我有这个架构。它检查评论，目前工作正常。 var schema = { id: '', type: 'object', additionalProperties: false, pro
这可能很简单，但有人可以解释为什么以下模式匹配不明智吗？它说其他规则，例如1, 0, _ 永远不会匹配。 let matchTest(n : int) = let ran = new Rand
我有以下选择序列作为 XML 模式的一部分。理想情况下，我想要一个序列: 来自 my:namespace 的元素必须严格解析。 来自任何其他命名空间的元素，不包括 ##targetNamespace和
我希望编写一个 json 模式来涵盖这个(简化的)示例 { "errorMessage": "", "nbRunningQueries": 0, "isError": Fals
首先，我是 f# 的新手，所以也许答案很明显，但我没有看到。所以我有一些带有 id 和值的元组。我知道我正在寻找的 id，我想从我传入的三个元组中选择正确的元组。我打算用两个 match 语句来做到这
我是一名优秀的程序员,十分优秀！