Java 如何从某个网站检索特定信息？

我正在开发一个java web应用程序，我想知道如何从某个网站获取某个字段（表和/或输出文本）值。假设此组件始终具有相同的ID，有人知道如何检索此信息吗？ 我不知道是否有人曾经面对过这个问题，但如果有人有任何想法，请分享。 谢谢。

一般来说： 1.）通过应用程序中URL的HTTPConnection读取页面标记来检索页面标记 2.）使用类似jsoup的框架解析标记并检索所需的值

更具体地说，以下是jsoup的一些示例代码：

HttpClient http = new DefaultHttpClient();
String htmlcode = "";
HttpGet request = new HttpGet("http://www.example.com");
HttpResponse response = null;
try {
    response = http.execute(request);
} catch (ClientProtocolException e) {
    e.printStackTrace();
} catch (IOException e) {
    e.printStackTrace();
}
if(response != null){
    BufferedReader read = new BufferedReader(new InputStreamReader(response.getEntity().getContent()));

    String line = "";
    while((line = read.readLine()) != null){
        htmlcode += line; 
    }
}
// at this point we have the pages markup
Document doc = Jsoup.parse(htmlcode);
Elements lis = doc.getElementsByTag("li"); // get all entries in lists
for(Element el : lis){
    String val = el.text().trim();
    // do something for each list entry
}

---

如果您正在谈论web抓取，请查看此库中的php：

---

使用

jsoup

为此

我正在开发一个java web应用程序

-为什么要标记这个[php]呢？你可以试试webharvest，因为这个网站甚至可以是php，但我标记它只是为了获得一般信息。我在问之前对此一无所知：）@AlbanoVito当你在浏览器中看到一个网站时，没有更多的php出现，因为你只得到完成的标记（让我们暂时忽略Java脚本），这就是php库，这个问题不再被标记[php]@DevZer0啊，是的，他现在删除了标记。多么笨拙。您也可以只执行

Jsoup.connect（“http://www.example.com“”.get（）

通过URL获取文档，而不需要整个HttpClient样板文件（在您的特定示例中，字符编码存在问题，您依赖于平台默认编码）。感谢您的提示。那只是打在一起，没有完全研究文件。