Analisi dell'HTML da una pagina Web

Question

Devo estrarre alcune informazioni da una pagina Web e riformattarla per l'utente.

Poiché la pagina Web è piuttosto regolare, ora utilizzo HttpClient per recuperare l'HTML come stringa e estraggo sottostringhe in determinate posizioni con i dati rilevanti.

In ogni caso, mi chiedo se c'è un modo migliore, forse un modo in cui l'HTML è consapevole. Come lo faresti?

Acclamazioni

Answer 1

Idealmente, si dovrebbe utilizzare un vero e proprio HTML-parser. Ho usato Jsoup con successo in passato su Android:

http://jsoup.org/

Answer 2

Abbiamo utilizzato HttpUnit non farlo in passato.

Answer 3

jsoup.org è migliore ma Cobra ha anche alcune funzionalità aggiuntive (CSS-aware e JavaScript-aware).

Answer 4

personalmente mi piace usare Jericho parser: http://jericho.htmlparser.net/docs/index.html

E 'facile da usare, sta molto esempi nella pagina di progetto e si occupa buona con puro HTML (tag non chiusi, ecc).