我想解析一个简单的网站并从该网站上抓取信息。用JAVA解析网站HTML
我曾经用DocumentBuilderFactory解析XML文件,我试图为html文件做同样的事情,但它总是进入无限循环。
URL url = new URL("http://www.deneme.com");
URLConnection uc = url.openConnection();
InputStreamReader input = new InputStreamReader(uc.getInputStream());
BufferedReader in = new BufferedReader(input);
String inputLine;
FileWriter outFile = new FileWriter("orhancan");
PrintWriter out = new PrintWriter(outFile);
while ((inputLine = in.readLine()) != null) {
out.println(inputLine);
}
in.close();
out.close();
File fXmlFile = new File("orhancan");
DocumentBuilderFactory dbFactory = DocumentBuilderFactory.newInstance();
DocumentBuilder dBuilder = dbFactory.newDocumentBuilder();
Document doc = dBuilder.parse(fXmlFile);
NodeList prelist = doc.getElementsByTagName("body");
System.out.println(prelist.getLength());
这是什么问题?或者是否有更简单的方法从一个给定的HTML标签从网站上刮取数据?
首先,您可以使用字符串而不是文件。它在哪里进入无限循环?也许是因为来自url的输入流,这似乎并没有结束你有这个问题。 – 2012-01-30 22:19:56