java için en iyi html ayrıştırıcısı nedir?

Question

Java kullanmamız gerektiğini varsayarsak, birçok farklı html içeriğini ayrıştırmak için esnek olan en iyi html ayrıştırıcısı nedir ve karmaşık ayrıştırma türleri yapmak için çok fazla kod gerektirmez?

Answer 1

Bunun için Jsoup öneriyoruz. O, jQuery like CSS selectors and non-verbose element iteration desteği ile çok güzel bir API'ye sahiptir. Örnek olarak this answer bir kopyasını almak için, bu kendi sorunuzu ve buradaki tüm answerers adını yazdıran:

URL url = new URL("https://stackoverflow.com/questions/3121136"); 
Document document = Jsoup.parse(url, 3000); 

String question = document.select("#question .post-text").text(); 
System.out.println("Question: " + question); 

Elements answerers = document.select("#answers .user-details a"); 
for (Element answerer : answerers) { 
    System.out.println("Answerer: " + answerer.text()); 
} 

alternatif XPath olurdu, ama JSoup zaten iyi bir kavrayışa sahip kim webdevelopers için daha yararlıdır CSS seçiciler.

Answer 2

İşi en doğru yapanı en iyisi olurdu.

bir opensource tagsoup denilen bir tane var ve ayrıca jTidy