html - 将 HTML 表格解析为 Groovy 列表？

Question

我想解析 HTML 页面并获取表格值。例如解析它以获得字典列表。每个列表元素都是一个字典，对应于表中的一行。

假设表格是:

表格

<table style="width:100%">
  <tr>
    <td>Jill</td>
    <td>Smith</td>      
    <td>50</td>
  </tr>
  <tr>
    <td>Eve</td>
    <td>Jackson</td>        
    <td>94</td>
  </tr>
</table>

结果

[Jill,  Smith,  50]
[Eve,   Jackson,    94]

我通过两种方式实现这一目标:

1. 使用 Xpath:

   page.body.div.table.tr.time;
   

2. 像这样使用闭包:

   page."**".findAll { it.@class.toString().contains("time")}.each {
   

两种方式都使用 XMLSlurper:

@Grab(group='org.ccil.cowan.tagsoup', module='tagsoup', version='1.2')
def parser = new XmlSlurper(new org.ccil.cowan.tagsoup.Parser())

那么有没有另一种使用 groovy 获取表值的方法

感谢您的帮助!

Answer 1

我使用 jsoup 取得了不错的效果HTML 解析器。它是一个 Java 库，但可以很好地与 Groovy 配合使用。这是 parsing a table in Java 的示例, 和一个有用的 blog entry关于使用 Groovy 和 jsoup 进行抓取。这question有一个关于解析表的常规示例的答案。