我如何獲得HTML中的所有腳本的內容

Question

我正在製作一個Java程序，它涉及從網頁中提取標籤。對於解析，我使用Jsoup，它工作正常。但是有一些問題下載頁面中的標籤。 我有4個文件： -

1. goog1.htm
2. goog2.html（這是我從https://www.google.co.in通過瀏覽器保存的）（我下載使用命令 'wget的https://www.google.co.in'）
3. goog3.html（我通過我的Java程序下載使用的BufferedReader的InputStreamReader &）
4. goog4.html（這是我獲得通過複製整個代碼「查看源代碼：https://www.google.co.in/」）

當我在這4個文件中搜索字符串「< script />」時，所有結果都不一樣。

• goog1.htm - 16倍
• goog2.html - 5倍
• goog3.html - 5倍
• goog4.html - 10倍

什麼是這種情況的原因區別 ？如何從頁面獲取所有腳本標記？

我應該使用哪個文件來測試我的程序？

在此先感謝...

Answer 1

1）不同數量的script標籤的原因是可以有一個HTML頁面中定義多個script標籤。

2）頁面中的所有腳本標記都已加載，它們將會運行。如果你想測試所有的腳本代碼，你需要測試所有的腳本代碼。這取決於你的測試範圍。

3）如果您將內容作爲文本處理到您的JAVA程序中，您可以通過使用子字符串方法解析來獲取所有腳本標記內容。但我建議使用Apache commons StringUtils類來做到這一點。

import org.apache.commons.lang.StringUtils; 

public class scriptContentRetriever{ 

public static void main(String[] args) { 
     String yourScriptContent = "<script>This is Script 1 Content</script><script>This is Script 2 Content</script>"; 
     String[] scriptStrings = StringUtils.substringsBetween(yourScriptContent, "<script>", "</script>"); 
     for (String scriptString : scriptStrings) { 
      //Do what ever you want with the script content right here. 
      System.out.println(scriptString); 
     } 
    } 

} 

最新問題

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.

 相關問題

• 1.
• 2.
• 3.
• 4.
• 5.
• 6.
• 7.
• 8.
• 9.
• 10.