爬虫数据清洗之java的xpath表达式

做爬虫的时候数据的清洗也是一大重点,往往绕不开三种处理办法
1.正则表达式
2.xpath表达式
3.json

关于java爬虫发送请求问题

这篇文章主要示范一下java引用xpath表达式的基本方法,在解析html文件的时候会用到,前提需要有一定xpath基础

xpath解析html页面,需要用到第三方包,借助maven项目下载

    <dependency>
        <groupId>cn.wanghaomiao</groupId>
        <artifactId>JsoupXpath</artifactId>
        <version>0.3.2</version>
    </dependency>
    <dependency>
        <groupId>org.jsoup</groupId>
        <artifactId>jsoup</artifactId>
        <version>1.10.3</version>
    </dependency>

然后就可以调用了。

主要分为以下几步:
1.把html转为document对象
2.把document对象转为xml对象
3.写好xpath表达式
4.xml对象利用表达式解析出数据,返回结果为列表

public static void test(String html) throws XpathSyntaxErrorException {
        Document doc = Jsoup.parse(html);
        JXDocument jxd = new JXDocument(doc);  // 转为xml
        String xpath = "//div/....";
        List result = jxd.selN(xpath);
    }
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值