在Android中抓取HTML网页的最快方法是什么？
我需要从Android中的非结构化网页中提取信息。 我想要的信息embedded在没有ID的表格中。
<table> <tr><td>Description</td><td></td><td>I want this field next to the description cell</td></tr> </table> 我应该使用
- 模式匹配？
- 使用BufferedReader来提取信息？
还是有更快的方式来获得这些信息？
我认为在这种情况下，寻找一种快速的方法来提取信息是没有意义的，因为当您将其与下载 HTML所需的时间进行比较时，答案中已经提出的方法之间几乎没有性能差异。
因此，假设以最快速度表示最方便，可读和可维护的代码，我build议您使用DocumentBuilderparsing相关的HTML并使用XPathExpression s提取数据：
Document doc = DocumentBuilderFactory.newInstance() .newDocumentBuilder().parse(new InputSource(new StringReader(html))); XPathExpression xpath = XPathFactory.newInstance() .newXPath().compile("//td[text()=\"Description\"]/following-sibling::td[2]"); String result = (String) xpath.evaluate(doc, XPathConstants.STRING);
如果你碰巧检索到无效的HTML，我build议隔离相关部分（例如，使用substring(indexOf("<table").. ），如有必要，在parsing之前用String操作纠正剩余的HTML错误。即非常糟糕的 HTML），只要按照其他答案中的build议，使用hacky模式匹配方法即可。
备注
- 自API Level 8（Android 2.2）开始，XPath就可以使用。 如果开发的API级别较低，则可以使用DOM方法和条件导航到要提取的节点
最快的方法是自己parsing特定的信息。 你似乎事先就知道HTML结构。 BufferedReader ， String和StringBuilder方法应该足够了。 以下是一个启动示例，显示您自己问题的第一段：
public static void main(String... args) throws Exception { URL url = new URL("http://stackoverflow.com/questions/2971155"); BufferedReader reader = null; StringBuilder builder = new StringBuilder(); try { reader = new BufferedReader(new InputStreamReader(url.openStream(), "UTF-8")); for (String line; (line = reader.readLine()) != null;) { builder.append(line.trim()); } } finally { if (reader != null) try { reader.close(); } catch (IOException logOrIgnore) {} } String start = "<div class=\"post-text\"><p>"; String end = "</p>"; String part = builder.substring(builder.indexOf(start) + start.length()); String question = part.substring(0, part.indexOf(end)); System.out.println(question); }
实际上，parsing在所有情况下都比模式匹配快得多。 模式匹配比较容易，但是当使用复杂的正则expression式模式时，可能会产生意想不到的结果。
您也可以考虑使用更灵活的第三方HTMLparsing器，而不是自己写一个。 它不会像以前已知的信息那样快速parsing自己。 它会更加简洁和灵活。 有了体面的HTMLparsing器，速度的差异是微不足道的。 我强烈build议Jsoup这个。 它支持类似jQuery的CSSselect器 。 提取您的问题的第一段将是如此简单：
public static void main(String... args) throws Exception { Document document = Jsoup.connect("http://stackoverflow.com/questions/2971155").get(); String question = document.select("#question .post-text p").first().text(); System.out.println(question); }
目前还不清楚你在说什么网页，所以我不能给出一个更详细的例子，你如何使用Jsoup从特定的页面select特定的信息。 如果您仍然无法使用Jsoup和CSSselect器来自定义 ，请随时在注释中发布URL，我会build议如何去做。
你为什么不写
int start = data.indexOf（“Description”）;
之后，采取所需的子string。
当你废Html网页。 你可以做两件事。 第一个是使用REGEX。 另一个是Htmlparsing器。
使用正则expression式是不可取的。 因为它在运行时会导致逻辑exception。
使用Htmlparsing器更复杂。 你不能确定适当的输出会来。 它也由我的经验造成了一些运行时exception。
所以最好使url对Xml文件的响应。 并做xmlparsing是非常简单和有效的。
你为什么不创build一个脚本，使用cURL和简单的HTML DOM分析器来抓取，只需从该页面获取所需的值？ 这些工具可以与PHP一起工作，但是其他工具可以用于任何您需要的语言。
这样做的一种方法是把HTML放入一个string，然后手动search和parsing通过string。 如果您知道标签将按照特定的顺序出现，那么您应该能够抓取标签并查找数据。 然而，这是一个马虎，所以它是一个问题，你想现在的工作？ 还是工作好 ？
int position = (String)html.indexOf("<table>"); //html being the String holding the html code String field = html.substring(html.indexOf("<td>",html.indexOf("<td>",position)) + 4, html.indexOf("</td>",html.indexOf("</td>",position)));
就像我说的…真的很sl </s>。 但是，如果你只做了一次这样的事情，而且你需要这样做，那么这可能就是个诀窍。
