Daten aus HTML Seite holen

[BeRseRkeR]

Hallo,

ich hoffe sehr das mir hier jemand helfen kann
also ich möchte von einer HTML seite daten holen aber eben nur bestimmte
das ganze soll so ablaufen, der funktion soll eine nummer (bei jedem Objekt unterschiedlich) übergeben werden
an die standard url(die bei allen Objekten gleich ist) wird diese nummer rangehängt, beides zusammen bildet also die ziel url, und von dieser Html Seite sollen dann 2 sachen gelesen werden und wieder zurückgegeben werden aber eben nur diese 2 sachen
hätte da jemand vielleicht nen ansatz?
danke für jede hilfe

 

[Campino]

Eventuell über einen xml- Parser (bin mir nicht sicher, ob der html zerlegt bekommt)?

 

[Pappenheimer++]

Das mit den Nummern hab ich nicht ganz verstanden, aber nen HTTP-get raushauen und dann nen bisschen mit Regex auswerten ist nicht sehr schwer !

 

[BeRseRkeR]

ich kann ja mal posten was ich schon habe

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


    public string getBildUrl (String url)
    {   
         try
        {   
            URL url=new URL(url);
            InputStream in=url.openStream();
            int b;
            FileOutputStream out=new FileOutputStream(html.txt);
            while (true)
            {   b=in.read();
                if (b==-1) break;
                out.write(b);
            }
            in.close();
            out.close();
        }
        catch (Exception e) { System.out.println(e); }
    }
    return s;
}

also ich übergebe die url und speichere dann den text in der html.txt so dann soll der teil kommen wo aus der html.txt das rausgeholt werden soll was ich möchte und dann soll das mit return s zurückgegeben werden
so wie krieg ich jetz aus der html.txt das was ich haben will ?
mit Regex kann ich leider nichts anfangen

 

[BeRseRkeR]

so hab jetz mal im internet nach regex gesucht
und meinen code verändert
ist das jetz richtig so ?
readStream ist ne extra funktion die den inputstream zum string macht da matcher keine inputstreams mag

public static String getBildUrl(String url)
	
	{
	String s1 = new String("");
	try
	{ 
		   
           URL urlname=new URL(url);
           InputStream in=urlname.openStream();
           String s2 = new String(readStream(in));
           //System.out.printf("eine url %s %n", url);  
           //System.out.printf("eine url %s %n", s2);
           Pattern p = Pattern.compile ("http://www.seite.de/images/cover_images/", Pattern.CASE_INSENSITIVE);
           Matcher m = p.matcher (s2);
           String s3 = new String(m.group());

           s1 = s3;
           in.close();
		  
           }
	
			catch (Exception e) { System.out.println(e);}
			{
				return s1;
			}
			
	}

/edit

die beiden printf waren dafür da um zu gucken ob er auch die richtige url benutzt und die richtige html liest
das tut er beides, allerdings kommt java.lang.IllegalStateException: No match found
er findet also keine übereinstimmung

ich poste mal einen teil der html datei um zu verdeutlichen was ich rausfiltern möchte

<tr><td><div align="center">[img]http://www.seite.de/images/cover_images/awpl.jpg[/img]</div></td></tr>
                    <tr><td>[img]/images/transparent_spacer.gif[/img]</td></tr>

http://www.seite.de/images/cover_images/awpl.jpg <-- nur das möchte ich

wie muss ich pattern.compile verändern um zu erreichen das er das findet ?

 

[BeRseRkeR]

hmpf
sorry für den dreifachpost aber weiß denn keiner einen rat?

 

[Beni]

- m.find() aufrufen um den Matcher überhaupt arbeiten zu lassen.
- Punkte mit "\\" maskieren, ein einzelner Punkt bedeutet "jedes Zeichen".
- Auch eine Schlussbedingung, wie etwa ", definieren. Ansonsten bekommst du zuviel zurück.
- Und was sollen diese "new String( x )"? Ein String ist ein String, den muss man nicht nochmal verpacken.

 

[BeRseRkeR]

vielen vielen dank an Beni für seine Hilfe
funzt jetz so wie es sollte

public static String getBildUrl(String url)
	
	{
	String s1 = "";
	try
	{ 
		   
           URL urlname=new URL(url);
           InputStream in=urlname.openStream();
           String s2 = readStream(in);
           System.out.printf("eine url %s %n", url);
           //System.out.printf("eine url %s %n", s2);
           Pattern p = Pattern.compile ("http://ieeexplore\\.ieee\\.org(/|//)images/cover_images/.*\\.((png)|(gif)(jpg))", Pattern.CASE_INSENSITIVE);
           Matcher m = p.matcher (s2);
           m.find();
           String s3 = m.group();

           s1 = s3;
           in.close();
		  
           }
	
			catch (Exception e) { System.out.println(e);}
			{
				return s1;
			}
			
	}

 

[BeRseRkeR]

muss doch nochmal nerven *g*
und zwar steht jetzt unter anderem folgendes im ausgelesenen quelltext

<td class="labelName">Fachgebiet</td><td class="labelValue">[url="/content/?Subject=Medicine"]Medicine[/url]
[url="/content/?Subject=Medicine+%26+Public+Health"]Medicine & Public Health[/url]
[url="/content/?Subject=Imaging+%2f+Radiology"]Imaging / Radiology[/url]
[url="/content/?Subject=Gastroenterology"]Gastroenterology[/url] and [url="/content/?Subject=Hepatology"]Hepatology[/url]</td>
</tr><tr>
<td class="labelName">SpringerLink Date</td><td class="labelValue">Freitag, 5. April 2002</td>

gefunden werden soll jetz :
Medicine
Medicine & Public Health
Imaging / Radiology
Gastroenterology
Hepatology

so hab jetz folgendes geschrieben

Pattern p = Pattern.compile ("<a href=\"/content/\\?Subject=.*?\">(.*?)</a>", Pattern.CASE_INSENSITIVE);
           Matcher m = p.matcher (s2);
           m.find();
           String s3 = m.group(1);
           s1 = s3;

funktioniert soweit auch also er findet das richtige, problem ist nur , in s1 steht am ende nur Medicine also nur das erste was er gefunden hat, es soll aber logischerweise alles drin stehen
wie sollte ich das jetzt modifizieren um alles sachen am ende im string stehen zu haben ?

 

[BeRseRkeR]

hab noch ne frage und zwar wie geht das wenn der suchbegriff sich aus meheren sachen zusammensetzt die untereinander stehen
Beispiel:

<span class="verdana11Blue">[b]Description[/b]</span>



[b]

also kriegt man es irgendwie hin das für regex alles quasi in einer zeile steht?
weil bei meinem konkreten problem weiss ich vorher nicht wieviele neue zeilen oder leerzeilen es geben könnte :/