上一篇Jsoup学习笔记的小例子实现的功能是:解析saz格式文件中的htm文档,提取其中table标签内的数据,将解析到的数据写入txt文件中。本节做了一些改进,实现把提取的数据按照一定格式写入csv文档中,本来想把解析前的_index.htm文档附录一下供参考的,但不知道怎么传,如想验证本实例的话可以自己用Fiddler 2抓取网络操作生成一个saz文件,然后解压一下里面就有一个_index.htm文档。
示例如下 :
package com.daxiang.myjsoup;
import java.io.File;
import java.io.FileWriter;
import java.io.IOException;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;
/**
* @Author:daxiang
* @Date:2015-7-9
* @Email:chenjinpeng0326@163.com
* @Version:Version1.0
* @CopyRight:daxiang
* @Description: 解析SAZ格式文件中的htm文档,提取其中table标签内的数据,将解析到的数据写入TXT或者CSV文件中
*/
public class MyJsoupTest {
public static void main(String args[]) throws IOException {
// 导入htm文档
File input = new File("C:\\myjsoup\\_index.htm");
Document doc = Jsoup.parse(input, "UTF-8");
// 提取表头信息
Elements heads = doc.getElementsByTag("table").select("thead");
FileWriter fw = new FileWriter("C:\\myjsoup\\1.csv", true);
for (int m = 0; m < heads.size(); m++) {
Elements head = heads.get(m).select("th");
for (int n = 0; n < head.size(); n++) {
// 经过观察,该htm文档table标签内共有23列数据,因为只需要第2至12列的数据,所以其他列排除掉不予提取
if (n == 0) {
continue;
} else if (n < 22) {
// text()方法和toString()方法的效果不同
// String h = head.get(n).toString() + "\r\n";
String h = head.get(n).text() + ",";
fw.write(h);
System.out.print(h);
} else if (n == 22) {
String h = head.get(n).text() + "\r\n";
fw.write(h);
System.out.print(h);
} else {
break;
}
}
}
// 提取表格信息
Elements trs = doc.getElementsByTag("table").select("tr");
for (int i = 0; i < trs.size(); i++) {
Elements tds = trs.get(i).select("td");
for (int j = 0; j < tds.size(); j++) {
// 把空格无内容的部分去除掉
// if(!"".equals(tds.get(j).text())){
// String str = tds.get(j).text() + "\r\n";
// System.out.print(str);
// fw.write(str);
// }
if (j == 0) {
continue;
} else if (j < 22) {
//加双引号的作用很大,有些数据是包含逗号的,不处理一下,本来在一个表格里的数据
//会因为逗号的存在分开到好几列表格中
String str1 = "\"" + tds.get(j).text() + "\"";
String str2 = str1 + ",";
//System.out.print(str2);
fw.write(str2);
} else if (j == 22) {
String str3 = tds.get(j).text() + "\r\n";
//System.out.print(str3);
fw.write(str3);
} else {
break;
}
}
}
fw.flush();
fw.close();
}
}