jsoupでHTMLをパースする - するめとめがね
ｵﾋｻｼﾌﾞﾘﾃﾞｰｽ。 ついにはてなブログに移行しました。インポート楽ちんでよいですね。 ここのところあんまり新しいことしてなかったので書くことなかったんですが、 久々に触ったことなかったライブラリに触ったので覚書までに。 HTMLをパースする案件がありまして、以下のパーサを触ったんですが、 割と精度も使い勝手もパフォーマンスもよかったjsoupを紹介してみます。 jsoup jericho HtmlCleaner Validator.nu HTMLEditorKit TagSoup HTML Parser NekoHtml JTidy 準備 mavenでビルドするのを想定して、まずはpom.xmlに以下を追記します。 <dependency> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.7
Javaで使える、HTML5パーサ - CLOVER🍀
ちょっと大量のHTMLファイルをチェックする作業があって、grep／Perl One Linerで頑張るのも厳しいよなぁと思い、HTMLファイルをJavaでパースしてどうにかしようと思い立ちました、今日。 で、JavaでHTMLパーサといえば、個人的にはパッと思い浮かぶのがNekoHTML。 CyberNeko HTML Parser http://nekohtml.sourceforge.net/ が、いかんせんこれは古い。HTML5にも対応していませんし。 よって、他のパーサを探してみました。2つほど見つかったので、ご紹介します。 HTMLをパースするので、以下のような閉じタグがないHTMLもパースできなければなりません。 index.html <!DOCTYPE html> <html> <head> <title>タイトル</title> </head> <body> <div i
Dispatch × jsoup - CLOVER🍀
先ほど使ってみたDispatchですが、core以外にもいくつかモジュールがあるようで、今回はその中でも興味のあったjsoupとの連携を試してみます。 dispatch-jsoup https://github.com/dispatch/reboot/tree/master/jsoup jsoup自体は、Javaで利用可能なHTML5向けパーサです。 jsoup: Java HTML Parser http://jsoup.org/ このサイトでも、The Validator.nu HTML Parserと合わせて紹介させていただきました。 Javaで使える、HTML5パーサ http://d.hatena.ne.jp/Kazuhira/20140107/1389108413 jQueryのようなCSSセレクタで要素を選択できたりするので、便利です。 で、Dispatchのjsoup向けの
jsoup Java HTML Parser, with best of DOM, CSS, and jquery
jsoup: Java HTML Parser jsoup is a Java library that simplifies working with real-world HTML and XML. It offers an easy-to-use API for URL fetching, data parsing, extraction, and manipulation using DOM API methods, CSS, and xpath selectors. jsoup implements the WHATWG HTML5 specification, and parses HTML to the same DOM as modern browsers. scrape and parse HTML from a URL, file, or string find and
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
http://filippodeluca.com/programming/2012/11/02/Pimping-Jsoup/
Roy van Kaathoven
Introducing Metascraper - a Scala library for scraping page metadata
