Posted on 2007-11-22 12:35
dennis 閱讀(1158)
評論(1) 編輯 收藏 所屬分類:
java 、
my open-source
客戶要求從Internet上的網(wǎng)頁上抽取一定的數(shù)據(jù)，用來顯示或者其他用戶，這個需求很常見。這兩天我們也遇到了這個需求，本來我一開始想是試用正則表達(dá)式去匹配需要的文本數(shù)據(jù)，后來經(jīng)驗豐富的經(jīng)理給出了一個更好的思路，就是使用
jtidy將不符合xhtml的HTML文件轉(zhuǎn)化成標(biāo)準(zhǔn)的xhtml文件——本質(zhì)上就是XML文件，然后利用xsl抽取并轉(zhuǎn)換成我們所需要的數(shù)據(jù)的一定格式的xml文件。這樣做其實就是將XSL模板當(dāng)正則表達(dá)式來用，不過更清晰，當(dāng)網(wǎng)頁改變時也不需要重新編譯代碼，僅僅修改XSL模板就夠了。過程如下：
html->xhtml--xsl-->數(shù)據(jù)xml
做的過程中，初次使用了xsl,xpath等技術(shù)，網(wǎng)上找了不少好資料，共享下：
jtidy:
思路來源
http://www.ibm.com/developerworks/cn/xml/x-wbdm/
項目地址
http://jtidy.sourceforge.net/
參考，解決中文問題使用
http://www.aygfsteel.com/jhengfei/archive/2006/03/25/37312.html
xsl,非常系統(tǒng)教程和實踐:
http://www.cnblogs.com/goody9807/category/36016.html
xpath:
http://www.yesky.com/201/171201.shtml