Bøker
Java
Kapittel 11. HTML og nettet
Analyse av HTML

Java:
Analyse av HTML

Hvordan: 

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class HtmlParser {
    public static void main(String[] args) {
        String html = "<html><head><title>Eksempel</title></head>"
                    + "<body><p>Dette er en <a href='http://eksempel.com'>lenke</a>.</p></body></html>";
        Document doc = Jsoup.parse(html);
        Element link = doc.select("a").first();
        
        System.out.println("Tekst: " + link.text());
        System.out.println("URL: " + link.attr("href"));
    }
}

/* Output:
Tekst: lenke
URL: http://eksempel.com
*/

Dypdykk

Parsing av HTML startet så snart webapplikasjoner trengte å interagere med websider utover å bare vise dem. Historisk har programmerere brukt regex eller DOM-baserte metoder, men disse tilnærmingene har utfordringer, som kompleksitet eller rigiditet.

Biblioteker som Jsoup har forenklet parsing ved å tilby en robust, fleksibel og brukervennlig metode. Jsoup, for eksempel, bruker en CSS-lignende selektor-syntaks som lar utviklere hente elementer effektivt og intuitivt. Alternativer inkluderer biblioteker som htmlparser og Apache’s HTMLUnit.

Implementeringsdetaljer varierer, men den grunnleggende prosessen innebærer å laste HTML som en streng, bruke en parser for å bygge et dokumentobjektmodell (DOM)-tre, og så navigere og manipulere dette treet for å oppnå ønskede resultater.

Se Også

Nedlasting av en nettsideÅ sende en HTTP-forespørsel