Java HTML Parsing

Um Daten von einer Website zu erhalten, müssen Sie zunächst die Struktur des HTML-Dokuments verstehen. HTML-Elemente werden mithilfe von Tags organisiert, die den Typ und Inhalt jedes Elements angeben.

Der folgende HTML-Code stellt beispielsweise ein div-Tag mit einer bestimmten CSS-Klasse dar:

Um Daten aus diesem Tag in Java zu finden und abzurufen, können Sie eine Java-HTML-Parser-Bibliothek verwenden. Eine Option ist jsoup, die eine bequeme HTML-Analyse mit jQuery-ähnlicher Syntax ermöglicht:

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;

String html = "
Data to be scraped
";
Document doc = Jsoup.parse(html);

boolean usesClass = doc.select("div.classname").hasAttr("class");
String text = doc.select("div.classname").text();
String link = doc.select("div.classname").attr("href");

Mit jsoup können Sie ganz einfach überprüfen, ob ein Element eine bestimmte Klasse hat, seinen Textinhalt abrufen oder eine beliebige erhalten Attribute, die es haben kann.