读取网页 <form> 内的页面源答案

【问题标题】：Reading the page source inside <form> of a web page读取网页 <form> 内的页面源
【发布时间】：2012-06-16 07:22:46
【问题描述】：

谁能帮我阅读标签内的页面源代码。

我已经尝试过使用 htmlUnit 和 jsoup...但它只返回里面的内容和标签。任何回复都非常感谢。

【问题讨论】：

标签： java html-parsing jsoup htmlunit

【解决方案1】：

使用element.html() 读取HTML 而不是JSoup 中的标签本身的包含

例如：

String html = "<p>An </p><form action="SOMESERVLET"><b>example</b></form> ";
Document doc = Jsoup.parse(html);
String htmlContent = doc.select("form").first().html();

根据你的情况

Document doc = Jsoup.connect("example.com").get(); 
Iterator<Element> itr = doc.select("form").iterator()
while(itr.hasNext()){ 
   Element element = itr.next();
   System.out.println(element.html());
}

【讨论】：

如果有多个表单标签，则只返回一个表单标签。
doc.select(...) 返回 Elements 您可以对其进行迭代以从 document 获取多个表单
<form> href='http://example.com/'> 绝对是格式错误的 HTML 语法。我编辑了你的帖子以修复它。
Document doc = Jsoup.connect("example.com").timeout(0).get(); System.out.println(doc.toString()); 我使用上面的代码来获取doc返回的所有内容。但是有是输出和视图源之间的巨大差异（当我右键单击并查看视图源时）。
@Jigar：谢谢，从你的代码中，我知道了一些细节。问题是，页面有一个按钮，所以当我点击那个按钮时，会出现正确的页面。有什么方法可以从 JAVA 代码本身单击（事件）按钮。

【解决方案2】：

一步一步

从url读取html到字符串
找到<form>标签是start index
找到</form>标签它是last index，*如果这个标签不存在最后索引是长度 *
只是substring 从start 到end 索引

这是一个简单的算法，但我认为有很多工具可以帮助你！！！

【讨论】：

谢谢。我试过了，问题出在这里。该页面由许多表单标签组成，但只返回一个表单标签。另外，标签内的内容也不会返回。
只有 firstIndexOF 和 lastIndex 方法可以帮助您返回第一个和最后一个表单标签之间的所有内容
文档 doc = Jsoup.connect("example.com").timeout(0).get(); System.out.println(doc.toString());我使用上面的代码来获取文档返回的所有内容。但是输出和视图源之间存在巨大差异（当我右键单击并查看视图源时）。