支持 XPath 轴的 Java Html 解析器？

Question

下面是一个 html 文档的片段，我需要为其关联“标题” - 例如FILE_BYTES_WRITTEN - 第一个后续 .txt 文件中包含 text() 条目。

以下 xpath 在 python lxml 中运行良好:

/td[text()='FILE_BYTES_WRITTEN']/following-sibling::td

文档片段:

   <td>HDFS_BYTES_READ</td>
   <td align="right">4,825</td>
   <td align="right">0</td>
   <td align="right">4,825</td>
 </tr>

   <tr>

   <td>FILE_BYTES_WRITTEN</td>
   <td align="right">415,881</td>
   <td align="right">48,133</td>
   <td align="right">464,014</td>
 </tr>

   <tr>

   <td>HDFS_BYTES_WRITTEN</td>
   <td align="right">98,580,205</td>
   <td align="right">2,010</td>
   <td align="right">98,582,215</td>
 </tr>

但是当我尝试在 Java 中执行此操作时，我的成功率较低。我不确定是否有任何 java html 解析器可以支持这一点。我目前正在使用 HtmlCleaner。

Answer 1

您可以查看HtmlUnit它有很好的 getByXPath() 函数。它是一个简单的浏览器。尝试研究示例。

我最喜欢的用于解析的另一个是 Jsoup ，它具有强大的 select(query)功能轻松完成这些事情。看看它的selector class文档。您会找到您需要的一切。