java - 现在，我怎样才能从屏幕上抓取这样的html行(使用java)？

Question

我正在尝试筛选抓取一个 html 页面，以便我可以从中提取所需的有值(value)的数据并将其放入文本文件中。到目前为止，一切进展顺利，直到我在 html 页面中遇到了这个:

<td> <b>In inventory</b>: 0.3 &#107;&#103;<br /><b>Equipped</b>: -4.5&#160;kg

页面 html 代码中的上述行通常会有所不同。因此，它需要找到一种方法来扫描线(无论它包含什么)以获取权重(在本例中为 0.3 和 -4.5)并将这些数据存储到 2 个单独的 double 中:

双 inventoryWeight = 0.3
双 EquipmentWeight = -4.5

我希望使用纯java来完成此操作；如果需要，请随时通知我可以在我的 java 应用程序中执行的任何第三方程序来实现此目的(但如果是这样，请生动地解释)。

非常感谢!

Answer 1

RegEx通常是抓取文本的一个很好的解决方案。括号表示“捕获组”，这些组被存储起来，然后可以使用 Matcher.group() 进行访问。 [-.\d]+ 匹配由一位或多位数字 (0-9)、句点和连字符组成的任何内容。 .* 匹配任何内容(但有时不匹配换行符)。在这里它只是用来本质上“扔掉”你不关心的一切。

import java.util.regex.*;

public class Foo {
    public static void main(String[] args) {
        String regex = ".*inventory<\\/b>: ([-.\\d]+).*Equipped<\\/b>: ([-.\\d]+).*";
        String text = "<td> <b>In inventory</b>: 0.3 &#107;&#103;<br /><b>Equipped</b>: -4.5&#160;kg";

        // Look for a match
        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(text);

        // Get the matched text
        if (matcher.matches()) {
            String inventoryWeight = matcher.group(1);
            String equippedWeight = matcher.group(2);

            System.out.println("Inventory weight: " + inventoryWeight);
            System.out.println("Equipped weight: " + equippedWeight);
        } else {
            System.out.println("No match!");
        }
    }
}