[JAVA] Parsing di una pagina HTML

[stradlin]

import java.net.*;
import java.io.*;

public class Parser {
    public static void main(String[] args) throws Exception {
        URL a = new URL("http://www.sito.it");
      
    }
} 

supponiamo che io voglio ottenere varie informazioni che sono all' interno della pagina.
Come faccio? Per esempio qualche attributo..ecc..

grazie

[andbin]

Originariamente inviato da stradlin
supponiamo che io voglio ottenere varie informazioni che sono all' interno della pagina.
Come faccio? Per esempio qualche attributo..ecc..

Le strade sono almeno 2:

a) Fai-da-te. Prendi l'InputStream, lo "wrappi" in un InputStreamReader e (per questioni di efficienza) leggi a blocchi di N char e li accodi in un StringBuffer/StringBuilder. Alla fine puoi eventualmente ottenere un String con tutto il contenuto. Avendo tale stringa puoi fare delle "analisi" ed estrarre dati usando ad esempio le "espressioni regolari" (in tal caso non serve necessariamente String ... basta StringBuffer/StringBuilder) o con altri approcci (usando i vari metodi di String es. indexOf(), substring() ecc...)

b) Usare una libreria esterna per il "parsing" di un documento HTML (nota: i parser XML non vanno bene ovviamente, deve essere espressamente targata per HTML).
Personalmente non ne conosco e non ne ho mai usate. Se segui questa ricerca su google, puoi trovare qualcosa di utile, spero.

[stradlin]

Seguirò il punto a perchè mi ero dimenticato di precisare che non posso usare librerie esterne. Grazie!