Cómo obtener el código fuente HTML de una página de un enlace HTML en Android?

Question

Estoy trabajando en una aplicación que necesita para obtener el código fuente de una página web desde un enlace, y luego analizar el código HTML de la página.

¿Me podría dar algunos ejemplos, o puntos de partida dónde buscar para comenzar a escribir una aplicación tal?

Answer 1

Puede utilizar HttpClient para realizar un HTTP GET y recuperar la respuesta HTML, algo como esto:

HttpClient client = new DefaultHttpClient();
HttpGet request = new HttpGet(url);
HttpResponse response = client.execute(request);

String html = "";
InputStream in = response.getEntity().getContent();
BufferedReader reader = new BufferedReader(new InputStreamReader(in));
StringBuilder str = new StringBuilder();
String line = null;
while((line = reader.readLine()) != null)
{
    str.append(line);
}
in.close();
html = str.toString();

Answer 2

Yo sugeriría jsoup .

De acuerdo con su página web:

Obtener la página de Wikipedia, analizarlo a un DOM, y seleccionar los titulares de la En la sección de noticias en una lista de elementos (muestra en línea):

Document doc = Jsoup.connect("http://en.wikipedia.org/").get();
Elements newsHeadlines = doc.select("#mp-itn b a");

Primeros pasos:

1. Descarga la biblioteca central frasco jsoup
2. introducción

Answer 3

Esta pregunta es un poco viejo, pero pensé que debería publicar mi respuesta ahora que DefaultHttpClient, HttpGet, etc., están en desuso. Esta función debe recibir y devolver HTML, se proporciona una URL.

public static String getHtml(String url) throws IOException {
    // Build and set timeout values for the request.
    URLConnection connection = (new URL(url)).openConnection();
    connection.setConnectTimeout(5000);
    connection.setReadTimeout(5000);
    connection.connect();

    // Read and store the result line by line then return the entire string.
    InputStream in = connection.getInputStream();
    BufferedReader reader = new BufferedReader(new InputStreamReader(in));
    StringBuilder html = new StringBuilder();
    for (String line; (line = reader.readLine()) != null; ) {
        html.append(line);
    }
    in.close();

    return html.toString();
}

Answer 4

public class RetrieveSiteData extends AsyncTask<String, Void, String> {
@Override
protected String doInBackground(String... urls) {
    StringBuilder builder = new StringBuilder(100000);

    for (String url : urls) {
        DefaultHttpClient client = new DefaultHttpClient();
        HttpGet httpGet = new HttpGet(url);
        try {
            HttpResponse execute = client.execute(httpGet);
            InputStream content = execute.getEntity().getContent();

            BufferedReader buffer = new BufferedReader(new InputStreamReader(content));
            String s = "";
            while ((s = buffer.readLine()) != null) {
                builder.append(s);
            }

        } catch (Exception e) {
            e.printStackTrace();
        }
    }

    return builder.toString();
}

@Override
protected void onPostExecute(String result) {

}
}

Answer 5

Si usted tiene una mirada aquí o < a href = "http://htmlparser.sourceforge.net/" rel = "nofollow noreferrer"> aquí , verá que no puede hacerlo directamente con la API de Android, necesita un librairy externa .. .

Se puede elegir entre el 2 aquí está aquí anteriormente si necesita una librairy externo.

Answer 6

Llámelo como

new RetrieveFeedTask(new OnTaskFinished()
        {
            @Override
            public void onFeedRetrieved(String feeds)
            {
                //do whatever you want to do with the feeds
            }
        }).execute("http://enterurlhere.com");

RetrieveFeedTask.class

class RetrieveFeedTask extends AsyncTask<String, Void, String>
{
    String HTML_response= "";

    OnTaskFinished onOurTaskFinished;


    public RetrieveFeedTask(OnTaskFinished onTaskFinished)
    {
        onOurTaskFinished = onTaskFinished;
    }
    @Override
    protected void onPreExecute()
    {
        super.onPreExecute();
    }

    @Override
    protected String doInBackground(String... urls)
    {
        try
        {
            URL url = new URL(urls[0]); // enter your url here which to download

            URLConnection conn = url.openConnection();

            // open the stream and put it into BufferedReader
            BufferedReader br = new BufferedReader(new InputStreamReader(conn.getInputStream()));

            String inputLine;

            while ((inputLine = br.readLine()) != null)
            {
                // System.out.println(inputLine);
                HTML_response += inputLine;
            }
            br.close();

            System.out.println("Done");

        }
        catch (MalformedURLException e)
        {
            e.printStackTrace();
        }
        catch (IOException e)
        {
            e.printStackTrace();
        }
        return HTML_response;
    }

    @Override
    protected void onPostExecute(String feed)
    {
        onOurTaskFinished.onFeedRetrieved(feed);
    }
}

OnTaskFinished.java

public interface OnTaskFinished
{
    public void onFeedRetrieved(String feeds);
}

Answer 7

Uno de los otros SO posterior respuesta me ayudó. Esto no lee línea por línea; supposingly el archivo html tenía una línea nula en el medio. Como requisito previo agregar esta dependencia de la configuración del proyecto "com.koushikdutta.ion: ión: 2.2.1" implementar este código en AsyncTask . Si desea que el devuelto -algo -. para estar en hilo de interfaz de usuario, pasarlo a una interfaz mutua

Ion.with(getApplicationContext()).
load("https://google.com/hashbrowns")
.asString()
.setCallback(new FutureCallback<String>()
 {
        @Override
        public void onCompleted(Exception e, String result) {
            //int s = result.lastIndexOf("user_id")+9;
            // String st = result.substring(s,s+5);
           // Log.e("USERID",st); //something

        }
    });