Website parsen

[unbekannterfora]

HI, ich möcht eine Website parsen und ein Tabelle mit deren Inhalt erstellen (weil übersichtlicher). Wie mache ich das ma besten? Dank, dank, dank

 

[Marcinek]

Mit einem DOM oder SAX Parser.

 

[langhaar!]

Sind DOM und Sax-Parser nicht nur für XML?

https://developer.mozilla.org/en/DOMParser

@TE
Schlimmstenfalls selbermachen

 

[Noctarius]

Sauberes HTML entspricht den XML Regeln. Ansonsten schau dir mal JTidy an, das kann parsen (oder viele andere Frameworks auch) - Open Source HTML Parsers in Java

 

[ARadauer]

JTidy kann ich auch empfehlen. Hab da schon gute Ergebnisse erziehlt.

 

[unbekannterfora]

Ok, aber wie soll das einlesen geschehen? Dazu müssten auch die im Browser befindlichen Cookies mitgeschickt werden
Hat da einer ne Idee oder Framework?

 

[Noctarius]

HTMLUnit könnte sowas in der Art. Alternativ nimmt man sich den Apache Commons HttpClient und baut den Request selber.

 

[emailundlos]

Das Thema stammt ursprünglich von mir. Bin am überlegen, die Requests des Browsers einfach via OutputStream zu schicken. Würde man dies so machen?

 

[Noctarius]

Musst dann halt das HTTP Protokoll selber abhandeln

 

[HoaX]

Sauberes HTML entspricht den XML Regeln.

Nö tut es nicht, lediglich XHTML tut das. Bei anderen Varianten ist es durchaus erlaubt z.B schließende Tags weg zu lassen, im Gegensatz zu XML.

 

[faetzminator]

Also ich würde da stark auf den HTTPClient von Apache setzen. Apache HttpComponents

 

[Noctarius]

Nö tut es nicht, lediglich XHTML tut das. Bei anderen Varianten ist es durchaus erlaubt z.B schließende Tags weg zu lassen, im Gegensatz zu XML.

Richtig und es nutzt dann auch die Nachlässigkeiten der Spec aus, das ist dann aber trotzdem nur bedingt "sauber".