Java 从站点提取表数据？

Question

Java 新手，我最近开始学习如何使用 Java 从网站读取 HTML，但我一直在尝试学习如何解析它并提取元素(有用的数据)。我一直在寻找最好的方法来做到这一点，并且 Jsoup 不断出现，所以我决定尝试一下。我能够提取表格元素，但有很多无用的 HTML，最好将其删除。.我如何从该站点提取表格并只包含行元素，使用 Jsoup 是否有一种简单的方法？

String html = "http://beta.letsplaysoccer.com/facilities/26/teams/187822";

         Document doc = Jsoup.connect(html).get();
         Elements tableElements = doc.select("table");
         System.out.print(tableElements);

感谢您的帮助!

编辑:无用的 HTML，如标签、类名等。如果我想使用此表数据，我只想使用游戏日期或其他内容

<td> <a href="/facilities/26/games?exact_date=14-03-30">Sun 03-30-14 07:25 PM</a></td>

我最终想做的是将这些数据提取到我自己的 GUI 或其他东西中

Answer 1

jsoup有帮助，但您需要手动浏览所有 HTML，这有点痛苦......

例如，这里有一些内容可以打印第一个表中的得分情况:

import java.io.IOException;
import java.util.List;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.nodes.Node;
import org.jsoup.select.Elements;
import org.junit.Test;

public class JSoupTest {

    @Test
    public void testJSoup() throws IOException {
        String html = "http://beta.letsplaysoccer.com/facilities/26/teams/187822";

        Document doc = Jsoup.connect(html).get();
        Elements tableElements = doc.select("table");

        Element firstTable = tableElements.get(0);

        List<Node> firstTableRows = firstTable.childNodes().get(1).childNodes();
        int numRows = firstTableRows.size();
        // skip first row as header
        for (int i = 1; i < numRows; i++) {
            Node row = firstTableRows.get(i);
            if (row instanceof Element) {
                Node homeTeam = row.childNode(5).childNode(1).childNode(0);
                Node visitorTeam = row.childNode(7).childNode(1).childNode(0);
                // some are in bold
                if(visitorTeam.childNodeSize() > 0 ){
                    visitorTeam = visitorTeam.childNode(0);
                }
                Node score = row.childNode(9).childNode(0);
                System.out.println(homeTeam + " vs " + visitorTeam + ": " + score);
            }
        }

    }
}