Java - parse HTML to DOM - jak to wykonać? (Nowicjusz)

Question

Hej,

chciałbym sparsować stronę do DOM Object, ale nie wiem jak się za to zabrać...

Do tej pory połączyłem się ze stroną, sprawdziłem czy dostaję status: 200 - i następnie jeśli strona odpowiada poprawnie, to zapisuję jej zawartość do Stringa.

Kod wygląda tak:

public void checkConnection() throws IOException {

        URL               url        = new URL(urlLink);
        HttpURLConnection connection = (HttpURLConnection) url.openConnection();
        connection.setRequestMethod("GET");
        connection.connect();

        int code = connection.getResponseCode();

        if (code == 200) {
            System.out.println("Nawiązano poprawnie połączenie. Kod: " + code);
            setConnected(true);
        }

        if (connected == true) {

            BufferedReader br = new BufferedReader(new InputStreamReader((connection.getInputStream())));
            StringBuilder  sb = new StringBuilder();
            String         output;
            while ((output = br.readLine()) != null) {
                sb.append(output);
            }
            bodyContent = sb.toString();
            System.out.println(bodyContent);

            Pattern r = Pattern.compile("(<td class=\"offer \">)(.*)(<\\/td>)");
            Matcher m = r.matcher(bodyContent);
            if (m.find()) {
                System.out.println("Found value: " + m.group(0));
                //System.out.println("Found value: " + m.group(1) );
                //System.out.println("Found value: " + m.group(2) );
            } else {
                System.out.println("NO MATCH");
            }

            // http://stackoverflow.com/questions/457684/reading-html-file-to-dom-tree-using-java
            // http://nekohtml.sourceforge.net/

            
        }

    }

Teraz chciałbym, aby strona została sprasowana do DOM, później chcę z niej wyciągać informacje które mnie interesują. Jak widzicie zacząłem używać REGEX'a, ale wolałbym się oprzeć od DOM, później będzie prościej.

Jako totalnie zielony i dopiero się uczę, dlatego proszę o wyrozumiałość i pomoc :)

P.S. Trafiłem na coś takiego:

• https://jsoup.org/
• NekoHTML
• JTidy

 

Z góry dziękuję,

Codexter

Answer 1

To wydaje się być proste

https://jsoup.org/

Document doc = Jsoup.connect("http://en.wikipedia.org/").get();

Elements newsHeadlines = doc.select("#mp-itn b a");

Comments

Wczoraj wieczorem udało mi się to sprasować. Nie mniej jednak dziękuję Ci za odpowiedź :)

Pozdrawiam,

Codexter