閱讀Grails/Groovy中的URL內容

Question

是否有簡單的方法來解析整個HTML頁面並從該頁面的代碼中提取特定的部分？即我得到這個site的RSS提要此網址：http://www.groundreport.com/Sports/Bret-Hart-says-Farewell-to-WWE_4/2918823

我想要做的就是解析鏈接和檢索相關圖片，標籤，並從該頁面的其他信息。有沒有可輕鬆解析HTML代碼的Java庫或Grails插件？

有關如何處理此任務的建議將不勝感激。

Answer 1

您可以嘗試Tagsoup庫。
有一個例子here。

Answer 2

我簡要地看了一下WebHarvest一年多前，它看起來不錯。

Answer 3

如果HTML是格式良好的XML，則可以使用任何Groovy XML解析技術。實際上，您可能無法保證這一點，所以HTML解析器是更好的選擇。在過去，我使用了Jericho HTML parser（一個Java庫），並對結果非常滿意。