Java 如何使用jsoup解析HTML表?
我正在尝试使用jsoup解析HTML。这是我第一次使用jsoup,我也读了一些关于它的教程。下面是我试图解析的HTML表- 如果您看到我的下表,那么到目前为止,它有三个Java 如何使用jsoup解析HTML表?,java,html,parsing,jsoup,Java,Html,Parsing,Jsoup,我正在尝试使用jsoup解析HTML。这是我第一次使用jsoup,我也读了一些关于它的教程。下面是我试图解析的HTML表- 如果您看到我的下表,那么到目前为止,它有三个tr(为了理解,我将它缩短为三个表行,但通常会更多)。现在,我想从下表中提取集群名称,它对应的主机名,例如,我将提取Titan作为集群名称及其状态为down的所有主机名 正如您在下面看到的Titan集群名称一样,我有两个主机名machineA.abc.com和machineB.abc.com,其中machineA状态为up,但ma
tr
(为了理解,我将它缩短为三个表行,但通常会更多)。现在,我想从下表中提取集群名称
,它对应的主机名
,例如,我将提取Titan
作为集群名称及其状态为down的所有主机名
正如您在下面看到的Titan
集群名称一样,我有两个主机名machineA.abc.com
和machineB.abc.com
,其中machineA
状态为up
,但machineB
状态为down
因此,我将打印出Titan
作为集群名称,并打印出machineB.abc.com
作为主机名,因为它已关闭。使用jsoup可以做到这一点吗
<table border=1>
<tr>
<td> </td>
<td> </td>
<td>Alert</td>
<td>Cluster Name</td>
<td>IP addr</td>
<td>Host Name</td>
<td>Type</td>
<td>Status</td>
<td>Free</td>
<td>Version</td>
<td>Restart Time</td>
<td>UpTime(Days)</td>
<td>Last probed</td>
<td>Last up</td>
</tr>
<tr bgcolor="ffffff">
<td><a href=showlog?ip_addr=127.0.0.1>Hist</a></td>
<td><a href=http://127.0.0.1:8080/test?full=y>VI</a></td>
<td bgcolor="ffffff"> </td>
<td>Titan</td>
<td>10.100.111.77</td>
<td>machineA.abc.com</td>
<td></td>
<td bgcolor="ffffff">up</td>
<td bgcolor="ffffff" align=right>88%</td>
<td bgcolor="ffffff">2.0.5-SNAPSHOT</td>
<td bgcolor="ffffff">2014-07-04 01:49:08,220</td>
<td bgcolor="ffffff" align=right>381</td>
<td>07-14 20:01:59</td>
<td>07-14 20:01:59</td>
</tr>
<tr bgcolor="ffffff">
<td><a href=showlog?ip_addr=127.0.0.1>Hist</a></td>
<td><a href=http://127.0.0.1:8080/test?full=y>VI</a></td>
<td bgcolor="ffffff"> </td>
<td></td>
<td>10.200.192.99</td>
<td>machineB.abc.com</td>
<td></td>
<td bgcolor="ffffff">down</td>
<td bgcolor="ffffff" align=right>85%</td>
<td bgcolor="ffffff">2.0.5-SNAPSHOT</td>
<td bgcolor="ffffff">2014-07-04 01:52:20,613</td>
<td bgcolor="ffffff" align=right>103</td>
<td>07-14 20:01:59</td>
<td>07-14 20:01:59</td>
</tr>
</table>
更新:-
表中可能有两个集群名称,如下所示-
<table border=1>
<tr>
<td> </td>
<td> </td>
<td>Alert</td>
<td>Cluster Name</td>
<td>IP addr</td>
<td>Host Name</td>
<td>Type</td>
<td>Status</td>
<td>Free</td>
<td>Version</td>
<td>Restart Time</td>
<td>UpTime(Days)</td>
<td>Last probed</td>
<td>Last up</td>
</tr>
<tr bgcolor="ffffff">
<td><a href=showlog?ip_addr=127.0.0.1>Hist</a></td>
<td><a href=http://127.0.0.1:8080/test?full=y>VI</a></td>
<td bgcolor="ffffff"> </td>
<td>Titan</td>
<td>10.100.111.77</td>
<td>machineA.abc.com</td>
<td></td>
<td bgcolor="ffffff">up</td>
<td bgcolor="ffffff" align=right>88%</td>
<td bgcolor="ffffff">2.0.5-SNAPSHOT</td>
<td bgcolor="ffffff">2014-07-04 01:49:08,220</td>
<td bgcolor="ffffff" align=right>381</td>
<td>07-14 20:01:59</td>
<td>07-14 20:01:59</td>
</tr>
<tr bgcolor="ffffff">
<td><a href=showlog?ip_addr=127.0.0.1>Hist</a></td>
<td><a href=http://127.0.0.1:8080/test?full=y>VI</a></td>
<td bgcolor="ffffff"> </td>
<td></td>
<td>10.200.192.99</td>
<td>machineB.abc.com</td>
<td></td>
<td bgcolor="ffffff">down</td>
<td bgcolor="ffffff" align=right>85%</td>
<td bgcolor="ffffff">2.0.5-SNAPSHOT</td>
<td bgcolor="ffffff">2014-07-04 01:52:20,613</td>
<td bgcolor="ffffff" align=right>103</td>
<td>07-14 20:01:59</td>
<td>07-14 20:01:59</td>
</tr>
<tr bgcolor="ffffff">
<td><a href=showlog?ip_addr=127.0.0.1>Hist</a></td>
<td><a href=http://127.0.0.1:8080/test?full=y>VI</a></td>
<td bgcolor="ffffff"> </td>
<td>Goldy</td>
<td>10.100.111.77</td>
<td>machineH.pqr.com</td>
<td></td>
<td bgcolor="ffffff">up</td>
<td bgcolor="ffffff" align=right>88%</td>
<td bgcolor="ffffff">2.0.5-SNAPSHOT</td>
<td bgcolor="ffffff">2014-07-04 01:49:08,220</td>
<td bgcolor="ffffff" align=right>381</td>
<td>07-14 20:01:59</td>
<td>07-14 20:01:59</td>
</tr>
</table>
警觉的
群集名称
IP地址
主机名
类型
地位
自由的
版本
重新启动时间
正常运行时间(天)
最后探测
最后
 
泰坦
10.100.111.77
machineA.abc.com
向上的
88%
2.0.5-快照
2014-07-04 01:49:08,220
381
07-14 20:01:59
07-14 20:01:59
 
10.200.192.99
machineB.abc.com
向下
85%
2.0.5-快照
2014-07-04 01:52:20,613
103
07-14 20:01:59
07-14 20:01:59
 
金色的
10.100.111.77
machineH.pqr.com
向上的
88%
2.0.5-快照
2014-07-04 01:49:08,220
381
07-14 20:01:59
07-14 20:01:59
现在,如果你看到上面我有两个集群名称-一个是
Titan
,另一个是Goldy
,所以我只想找到Titan
集群名称下的所有机器。在你的情况下,我要做的是首先创建一个具有所有适当属性的机器对象。然后使用Jsoup提取数据并创建ArrayList,然后使用逻辑从ArrayList获取数据
我将跳过对象创建(因为这不是这里的问题),并将对象命名为Machine
然后使用Jsoup,我将获得如下行数据:
ArrayList<Machine> list = new ArrayList();
Document doc = Jsoup.parse(url, 3000);
for (Element table : doc.select("table")) { //this will work if your doc contains only one table element
for (Element row : table.select("tr")) {
Machine tmp = new Machine();
Elements tds = row.select("td");
tmp.setClusterName(tds.get(3).text());
tmp.setIp(tds.get(4).text());
tmp.setStatus(tds.get(7).text());
//.... and so on for the rest of attributes
list.add(tmp);
}
}
就这些。还请注意,此代码未经测试,可能包含一些语法错误,因为它是直接在此编辑器上编写的,而不是在IDE中编写的 是的,使用JSoup是可能的。首先,选择表。然后,为行选择
标记。您可以从第二个索引开始,因为第一行只包含列名。然后循环遍历
标记并获得特定索引。在您的例子中,索引7和5很重要(索引7:状态,索引5:主机名)。检查状态是否等于down
,如果是,则将主机名添加到列表中。就这些
ArrayList<String> downServers = new ArrayList<>();
Element table = doc.select("table").get(0); //select the first table.
Elements rows = table.select("tr");
for (int i = 1; i < rows.size(); i++) { //first row is the col names so skip it.
Element row = rows.get(i);
Elements cols = row.select("td");
if (cols.get(7).text().equals("down")) {
downServers.add(cols.get(5).text());
}
}
downServers ArrayList将包含宕机服务器主机名列表。下面是一个干净的通用函数,用于将html表提取到简单的列表映射结构中 将文档以表格顺序传递给此函数,要求在html页面中输入第n个表格 如果表使用rowspan或colspan,函数将不会返回准确的数据
public static List<Map<String,String>> parseTable(Document doc, int tableOrder) {
Element table = doc.select("table").get(tableOrder);
Elements rows = table.select("tr");
Elements first = rows.get(0).select("th,td");
List<String> headers = new ArrayList<String>();
for(Element header : first)
headers.add(header.text());
List<Map<String,String>> listMap = new ArrayList<Map<String,String>>();
for(int row=1;row<rows.size();row++) {
Elements colVals = rows.get(row).select("th,td");
//check column size here
int colCount = 0;
Map<String,String> tuple = new HashMap<String,String>();
for(Element colVal : colVals)
tuple.put(headers.get(colCount++), colVal.text());
System.out.println(tuple.toString());
listMap.add(tuple);
}
return listMap;
}
公共静态列表解析表(Document doc,int tableOrder){
元素表=doc.select(“表”).get(tableOrder);
元素行=表。选择(“tr”);
元素优先=行。获取(0)。选择(“th,td”);
列表标题=新建ArrayList();
for(元素标题:第一个)
headers.add(header.text());
List listMap=new ArrayList();
对于(int row=1;rowYup)它可以正常工作。但是有一个问题。我刚刚更新了这个问题。我只需要找出Titan
集群名称的停止服务器。这也可能吗?是的,您可以更改if条件。if(cols.get(7.text().equals(“down”)和&cols.get(3.text().equals(“Titan”))不知何故,它不起作用,因为群集名称不在每一行中,只是第一次出现,然后是与该群集相关的主机名。然后是另一个群集名称,后面是它的主机名。请参阅更新,我无法测试它,但我认为它对您的情况有效。我只是尝试了一下,但不知何故它不起作用。知道会出什么问题吗?Th不考虑第一行是标题,所以使用:只是对任何人使用HTML片段的一个旁注:JSoup不能够解析<代码> <代码>而没有<代码> <代码>。最简单的解决方案是在解析代码之前用<代码> <代码>包装字符串。
ArrayList<String> downServers = new ArrayList<>();
Element table = doc.select("table").get(0); //select the first table.
Elements rows = table.select("tr");
for (int i = 1; i < rows.size(); i++) { //first row is the col names so skip it.
Element row = rows.get(i);
Elements cols = row.select("td");
if (cols.get(7).text().equals("down")) {
downServers.add(cols.get(5).text());
}
}
ArrayList<String> downServers = new ArrayList<>();
Element table = doc.select("table").get(0); //select the first table.
Elements rows = table.select("tr");
for (int i = 1; i < rows.size(); i++) { //first row is the col names so skip it.
Element row = rows.get(i);
Elements cols = row.select("td");
if (cols.get(3).text().equals("Titan")) {
if (cols.get(7).text().equals("down"))
downServers.add(cols.get(5).text());
do {
if(i < rows.size() - 1)
i++;
row = rows.get(i);
cols = row.select("td");
if (cols.get(7).text().equals("down") && cols.get(3).text().equals("")) {
downServers.add(cols.get(5).text());
}
if(i == rows.size() - 1)
break;
}
while (cols.get(3).text().equals(""));
i--; //if there is two Titan names consecutively.
}
}
public static List<Map<String,String>> parseTable(Document doc, int tableOrder) {
Element table = doc.select("table").get(tableOrder);
Elements rows = table.select("tr");
Elements first = rows.get(0).select("th,td");
List<String> headers = new ArrayList<String>();
for(Element header : first)
headers.add(header.text());
List<Map<String,String>> listMap = new ArrayList<Map<String,String>>();
for(int row=1;row<rows.size();row++) {
Elements colVals = rows.get(row).select("th,td");
//check column size here
int colCount = 0;
Map<String,String> tuple = new HashMap<String,String>();
for(Element colVal : colVals)
tuple.put(headers.get(colCount++), colVal.text());
System.out.println(tuple.toString());
listMap.add(tuple);
}
return listMap;
}