Tengo que extraer algo de información de una página web y reformatearla para el usuario.Analizando HTML desde una página web
Dado que la página web es bastante regular, ahora uso HttpClient para recuperar el HTML como una cadena, y extraigo las subcadenas en ubicaciones determinadas con los datos relevantes.
De todos modos, me pregunto si hay una mejor manera, tal vez una forma de HTML-aware. ¿Como lo harias?
Saludos
Idealmente, usted debe utilizar un verdadero analizador HTML. He usado Jsoup con éxito en el pasado en Android:
Hemos utilizado HttpUnit no hacer esto en el pasado.
jsoup.org es mejor pero Cobra también tienen algunas características adicionales (compatibles con CSS y JavaScript).
personalmente me gusta usar Jericho analizador: http://jericho.htmlparser.net/docs/index.html
Es fácil de usar, tienen muchísimo ejemplos en la página del proyecto y se ocupa bien con HTML puro (etiquetas sin cerrar etc.).
posible duplicado de [Java HTML Parsing] (http://stackoverflow.com/questions/238036/java-html-parsing) –
http://stackoverflow.com/questions/4623427/html-parsing-using-java –
http://stackoverflow.com/questions/4614211/java-html-parsing –