使用 Java 在 HTML 页面中提取动态呈现的内容答案

【问题标题】：Extracting dynamically rendered content in a HTML page using Java使用 Java 在 HTML 页面中提取动态呈现的内容
【发布时间】：2012-05-29 18:37:25
【问题描述】：

我有一个类似的 HTML 页面

<html>
<head>
<!-- necessary java scripts -->
</head>
<body>
<div id="content"></div>
</body>

使用该脚本，当页面呈现时，适当的 html 内容将与 id 为“content”的 div 元素一起放置。所以在页面渲染之后，会有很多带有 div 元素的 html 内容。

现在我需要使用 Java 在 div 元素中提取动态呈现的内容。任何人都可以建议一种方法吗？

【问题讨论】：

【解决方案1】：

问题是您需要在 java 中评估页面上的脚本。你需要一些网络引擎来做到这一点。你可以看这里：Embedding Gecko/Webkit in Java 并尝试使用 webkit 或 gecko 加载页面。然后你可以使用一些java库来解析html。

【讨论】：

【解决方案2】：

看看这些：

【讨论】：

【解决方案3】：

您可以使用 javax.swing.text.html.HTMLEditorKit.Parser 解析 html。看看这个链接

【讨论】：