Html avec cyberneko Parsing pour trouver un « div'-tag

StackOverflow https://stackoverflow.com/questions/1974634

  •  21-09-2019
  •  | 
  •  

Question

Je besoin d'un « div'-étiquette (identifiée par 'spécifique id') à partir d'un site html. Pour analyser la page J'utilise cyberneko. 

    def doc = new XmlParser( new org.cyberneko.html.parsers.SAXParser() ).parse(htmlFile)
    divTag = doc.depthFirst().DIV.find{ it['@id'] == tagId  }

Jusqu'à présent, aucun problème, mais à la fin je ne ai pas besoin XML, mais le contenu original de toute balise « div ». Malheureusement je ne peux pas comprendre comment faire ...

Était-ce utile?

La solution

EDIT: En réponse à premier commentaire

.

Cela fonctionne: 

def html = """
  <body>
        <div id="breadcrumbs">
            <b>
            crumb1
            </b>
        </div>
</body>
"""

def doc = new XmlSlurper(new org.cyberneko.html.parsers.SAXParser()).parseText(html)
divTag = doc.BODY.DIV.find { it.@id == 'breadcrumbs'  }
println "" << new groovy.xml.StreamingMarkupBuilder().bind {xml -> xml.mkp.yield divTag}

On dirait que cyberneko retournera un document HTML bien formé, que le balisage était d'origine. à savoir, la racine de doc sera un élément HTML, et il y aura aussi un élément HEAD. Neat.

Autres conseils

Ceci est un test simple basée sur la réponse de noé - il ne fonctionne malheureusement pas (encore): (

    def html = """
      <body>
            <div id="breadcrumbs">
                <b>
                crumb1
                </b>
            </div>
    </body>
    """

    def doc = new XmlSlurper( new org.cyberneko.html.parsers.SAXParser() ).parseText(html)
    println "document: $doc"
    def htmlTag = doc.DIV.find {
        println "-> $it"
        it['@id'] == "breadcrumbs"
    }
    println htmlTag
    assert htmlTag
Licencié sous: CC-BY-SA avec attribution
Non affilié à StackOverflow
scroll top