首頁猿問在 Java 中使用...

在 Java 中使用 Scanner 進行網頁抓取

Java

HUH函數 2022-06-30 18:02:14

我應該使用 URL 和掃描程序類進行網絡抓取，并從網站上的 HTML 代碼中僅找出過去 8 天的能源消耗量。所以我有一個 24x8 的數組來適應所有的數字。我正在使用 .findInLine 來識別小時前：我在這里使用第一個部分來識別第一個小時的數字塊。while (in.findInLine("00-01") == null) in.nextLine();in.nextLine() // skip rest of the line containing "00-01"<td>00-01</td><td align="right"> 11872</td><td align="right"> 12146</td><td align="right"> 12861</td><td align="right"> 12561</td><td align="right"> 13493</td><td align="right"> 13386</td><td align="right"> 12732</td><td align="right"> 12249</td>我的問題是我不知道如何提取這些數字并將它們放入數組中，因為我有 24 個這些部分。

查看完整描述

2 回答

皈依舞

TA貢獻1851條經驗獲得超3個贊

給定輸入，以下將提取每行的數字。

Pattern pattern = Pattern.compile("\\d+");

while (in.hasNext())

{

String str = in.nextLine();

Matcher m = pattern.matcher(str);

while (m.find())

{

//Change this to add to add to an array

System.out.println(m.group());

}

反對回復 2022-06-30

慕哥6287543

TA貢獻1831條經驗獲得超10個贊

鑒于您的輸入有限，我僅使用純掃描儀界面就做到了：

public class Scrap {

private final static String HOUR_PATTERN = "<td>\\d{2}-\\d{2}</td>";

private final static String TD_DELIMETER = "\\s|<|>";

public static void main(String[] args) {

Scanner in = new Scanner(Scrap.class.getResourceAsStream("/input"));

List<Integer> res = new ArrayList<>();

while (in.hasNext()) {

if (!in.hasNext(HOUR_PATTERN)) {

System.out.println(in.next());

continue;

}

String found = in.next(HOUR_PATTERN);

Pattern delim = in.delimiter();

in.useDelimiter(TD_DELIMETER);

for (int i = 0; i < 8; i++) {// you wrote it is going to be 8 entries

while (in.hasNext()) {

if (in.hasNextInt()) {

res.add(in.nextInt());

} else {

System.out.println(in.next());

}

in.useDelimiter(delim);

}

System.out.println(res);

}

給定輸入

blelblebll

生產

[11872, 12146, 12861, 12561, 13493, 13386, 12732, 12249, 11872, 12146, 12861, 12561, 13493, 13386, 12732, 12249, 11872, 12146, 12861, 12561, 13493, 13386, 12732, 12249, 11872, 12146, 12861, 12561, 13493, 13386, 12732, 12249]

它基于您的輸入示例，因此它現在可能適用于實時標記。

或者，您可以將<.*?>其用作分隔符并僅關注數字模式。

反對回復 2022-06-30

2 回答
0 關注
168 瀏覽

關注

添加回答

舉報

0/150

提交

取消

亚洲在线久爱草,狠狠天天香蕉网,天天搞日日干久草,伊人亚洲日本欧美

熱搜

最近搜索清空

在 Java 中使用 Scanner 進行網頁抓取

在 Java 中使用 Scanner 進行網頁抓取

2 回答

添加回答