HTML数据提取

Question

我正在访问一些网站，我需要提取一些数据。更具体地说--来自这一部分：

<input type="hidden" value="1" name="d520783895194bd08750e47c744d553d">

我需要提取"name“部分。我听说reular表达式不是最好的解决方案，所以我想问一下访问我需要的这段数据的最佳方式是什么。

Answer 1

在使用NekoHTML或TagSoup解析网站之后(这应该会注意到您的输入域标记没有闭合)，我建议使用xpath表达式：

//input[@type='hidden'][@value=1]/@name

在groovy中，您将以GPath的形式应用它。

Answer 2

使用Html解析库，他们修复了格式错误的Html，使其能够轻松地导航文档来查找和更新元素。以下是指向Java/Groovy实现列表的链接：

http://www.wavyx.net/2009/01/13/looking-for-a-java-html-parser-or-groovy/

看起来NekoHTML和TagSoup很流行，但我还没用过或Groovy。但是我用过其他语言的Html解析器。