Parser HTML avec Cobra et récupérer du blanc via XPath
Bonjour à tous,
J'ai posé la question également dans la rubrique Swing/Awt, mais à la réflexion, je pense que c'est plus adapté de poser ici mon problème....
Alors, voilà je fais du parsing de HTML avec Cobra en utilisant des recherches directement avec XPath.
Je m'appuie pour ce faire sur l'exemple donné dans leur site et repris ci-dessous:
Code:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
| import java.io.InputStream;
import java.io.InputStreamReader;
import java.io.Reader;
import java.net.URL;
import javax.xml.xpath.*;
import javax.xml.parsers.*;
import java.util.logging.*;
import org.lobobrowser.html.UserAgentContext;
import org.lobobrowser.html.parser.*;
import org.lobobrowser.html.test.SimpleUserAgentContext;
import org.w3c.dom.NodeList;
import org.w3c.dom.Document;
import org.w3c.dom.Element;
public class ParseAnchorsTest {
private static final String TEST_URI = "http://lobobrowser.org";
public static void main(String[] args) throws Exception {
// Disable most Cobra logging.
Logger.getLogger("org.lobobrowser").setLevel(Level.WARNING);
UserAgentContext uacontext = new SimpleUserAgentContext();
// In this case we will use a standard XML document
// as opposed to Cobra's HTML DOM implementation.
DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
DocumentBuilder builder = factory.newDocumentBuilder();
URL url = new URL(TEST_URI);
InputStream in = url.openConnection().getInputStream();
try {
Reader reader = new InputStreamReader(in, "ISO-8859-1");
Document document = builder.newDocument();
// Here is where we use Cobra's HTML parser.
HtmlParser parser = new HtmlParser(uacontext, document);
parser.parse(reader);
// Now we use XPath to locate "a" elements that are
// descendents of any "html" element.
XPath xpath = XPathFactory.newInstance().newXPath();
NodeList nodeList = (NodeList) xpath.evaluate("//table/tr/td/child::text()", document, XPathConstants.NODESET);
...
} finally {
in.close();
}
}
} |
A la différence près que je cherche les tables et non les liens. J'ai donc créé une instruction XPath pour ça:
Code:
//table/tr/td/child::text()"
Le problème, c'est que si dans une des cellules de ma table j'ai du vide, l'instruction XPath ne me le remontera pas.
Avez-vous une solution...je cale !
