java 解决Html table的rowspan问题(osc处女作)

2019独角兽企业重金招聘Python工程师标准>>>

假如有如下html代码需要解析

<table border="1">
	<tr>
		<td rowspan="3">1</td>
		<td>1</td>
		<td>1</td>
		<td>1</td>
	</tr>
	<tr>
		<td>2</td>
		<td>2</td>
		<td>2</td>
	</tr>
	<tr>
		<td>3</td>
		<td>3</td>
		<td>3</td>
	</tr>
</table>

我们需要以每一行为一个对象的解析过程

理想输出的结果是

1111

1222

1333

 

再假如有下面html

<table border="1">
	<tr>
		<td rowspan="3">1</td>
		<td>1</td>
		<td>1</td>
		<td>1</td>
	</tr>
	<tr>
		<td>2</td>
		<td rowspan="2">2</td>
		<td>2</td>
	</tr>
	<tr>
		<td>3</td>
		<td>3</td>
	</tr>
</table>

 

我们得到理想的结果是

1111

1222

1323

如果每次都按照这样的结果输出，就符合我们的理想， 把rowspan掉的给恢复成无rowspan的table解析起来就比较方便了

下面说解决思路， 首先我们用一个二维的String数组来表示无rowspan table的行和列

上面的我们可以声明String[][] table=new String[3][4];

表示三行四列的table

下面我开始遍历html代码的每一行，行下标用i来表示，在行的遍历代码中我们遍历每行的列，在遍历的同时我们判断这个列是不是有rowspan属性，如果有在二维数组中给i+1行的当前列（通过当前列的下标可以访问到）赋值为i行的当前单元格的值，这个rowspan被顺利读取，最后的二维数组就是我们得到的没有rowspan的table。注意在给每个单元格赋值前，需要判断当前行和当前列是不是为空的， 如果不为空则向列+1的单元格赋值 ， 依此往复知道赋值成功

下面贴上我的代码，用到了jsoup（解析html利器嘛 。）

 

 

package bank.html;

import java.io.File;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class Table {
	private List<Tr> trs;
	private String html;
	private String[][] table;
	private boolean isHtml;
	public Table(String tableHtml){
		html=tableHtml;
	}
	public void parse(){
		Document document=Jsoup.parse(html);
		Elements trsE = document.select("tr");
		Elements firstTds=trsE.get(0).select("td");
		table = new String[trsE.size()][firstTds.size()];
		for (int row = 0; row < table.length; row++) {
			Element tr = trsE.get(row);
			Elements tds = tr.select("td");
			int column = 0;
			for (Element td : tds) {
				if (td.hasAttr("rowspan")) {
					int rowspan = Integer.parseInt(td.attr("rowspan"));
					td.removeAttr("rowspan");
					int endRow = rowspan + row - 1;
					for (int startColumn=column; endRow > row; endRow--) {
						boolean flag = true;
						int columnA=startColumn;
						while (flag) {
							if (table[endRow][columnA] == null) {
								table[endRow][columnA] = isHtml?td.toString():td.html();
								flag=false;
								startColumn=columnA;
							} else {
								columnA++;
							}
						}

					}
				}
				boolean runing = true;
				do {
					if (table[row][column] == null) {
						runing = false;
						table[row][column] = isHtml?td.toString():td.html();
					} else {
						runing = true;
					}
					column++;
				} while (runing);

			}
		}
		trs=new ArrayList<Tr>();
		for (String[] strings : table) {
			Tr tr=new Tr();
			List<Td> tds=new ArrayList<Td>();
			for (String string : strings) {
				Td td=new Td();
				td.setContent(string);
				tds.add(td);
			}
			tr.setTds(tds);
			trs.add(tr);
		}
	}
	public List<Tr> getTrs(){
		return trs;
	}
	public String getHtml(){
		return html;
	}
	public int getTrCount(){
		return trs.size();
	}
	public void isHtml(boolean v){
		isHtml=v;
	}
	public static void main(String[] args) throws IOException {
		Document document=Jsoup.parse(new File("table.html"), "utf-8");
		Elements trs=document.select("tr");
		System.out.println(trs.size());
		Table table=new Table("<table>"+trs.toString()+"</table>");
		table.parse();
		for(Tr trss:table.getTrs()){
			System.out.println("行开始");
			for(Td td:trss.getTds()){
				System.out.println(td.getContent());
			}
			System.out.println("行结束");
		}
	}
}

package bank.html;

import java.util.List;

public class Tr {
	private List<Td> tds;

	public List<Td> getTds() {
		return tds;
	}

	public void setTds(List<Td> tds) {
		this.tds = tds;
	}
	
}

 

package bank.html;


public class Td {
	private String content;

	public String getContent() {
		return content;
	}

	public void setContent(String content) {
		this.content = content;
	}
}

可以用上面的html代码测试，可能我描述的不够清楚，大家代码运行下就会明白的。这是我在OSC的处作，其中可能会存在问题，欢迎各路人批评指正。

转载于:https://my.oschina.net/u/725518/blog/90704