Получать информацию из html страницы удобно с помощью языка XPATH. В Java для этого существует интерфейс javax.xml... Для его применения необходимо иметь DOM структуру документа. Чтобы ее получить, можно использовать CyberNeko html parser:

PLAIN TEXT
XML:
  1. <dependency>
  2.     <groupId></groupId>
  3.     <artifactId></artifactId>
  4.     <version>1.9.6.2</version>
  5. </dependency>

Пример для получения третей строки таблицы из html страницы:

PLAIN TEXT
JAVA:
  1. InputSource source = new InputSource(pageStream);
  2. parser = new ();
  3. parser.parse(source);
  4. Document document = parser.getDocument();
  5.  
  6. = XPathFactory.newInstance().newXPath();
  7. Node node = (Node) .evaluate("//TABLE/TR[3]/TD",document, XPathConstants.NODE);

HTML:

PLAIN TEXT
HTML:
  3. <title>Test page</title>
  4. </head>
  7.     <tr>
  8.         <td>First row</td>
  9.     </tr>
  10.     <tr>
  11.         <td>Second row</td>
  12.     </tr>
  13.     <tr>
  14.         <td>Third row</td>
  15.     </tr>
  16. </table>
  17. </body>
  18. </html>

Связанные записи