如何将 HTML <table> 转换为二维数组

Posted 2023-02-26

【中文标题】如何将 HTML <table> 转换为二维数组

【英文标题】：How to convert HTML <table> to a 2D array

【发布时间】：2012-08-11 15:56:05

【问题描述】：

假设我复制了一个完整的 html 表（当每个 tr 和 td 都有额外的属性时） 成一个字符串。如何获取所有内容（标签之间的内容）并创建一个像原始表格一样组织的二维数组？

例如这个表：

<table border="1">
    <tr align= "center">
        <td align="char">TD1</td>
        <td>td1</td>
        <td align="char">TD1</td>
        <td>td1</td>
    </tr>
    <tr>
        <td>TD2</td>
        <td>tD2</td>
        <td class="bold>Td2</td>
        <td>td2</td>
    </tr>
</table>

我想要这个数组：

PS：我知道我可以使用正则表达式，但它会非常复杂。我想要一个像 JSoup 这样的工具，它可以自动完成所有工作而无需编写太多代码

【问题讨论】：

如果 HTML 有效，您可以使用 SAX XML 解析器或 HTMLCleaner htmlcleaner.sourceforge.net。还有许多其他有助于解析 html 的库。只需检查此列表：java-source.net/open-source/html-parsers

您实际上是在询问将您的表字符串解析为数据数组的算法？

我刚刚补充说，我想要一个像 JSoup 这样的简单工具，它可以自动完成工作而无需编写和分析大量代码

【参考方案1】：

出于我自己的需要，我找到了一种 javascript 自动将表格转换为二维数组的方法。 考虑以下代码：

document.querySelector("#table").children[0].children[r].children[c].innerText

在上面， r = 行索引和 c = 列索引。 可以像使用行索引和列索引一样自动访问数据。

这是另一种方式，类似于 2D 数组访问，但使用 CSS 选择器：

document.querySelector("tr:nth-child(5) td:nth-child(4)")

在第 5 行中找到第 4 列

【参考方案2】：

到目前为止，它不是最好的，但我希望它会有所帮助......简单的字符串

public void read_data() 
    try 
        file = new File("_result.xml");
        FileReader fileReader = new FileReader(file);
        BufferedReader bufferedReader = new BufferedReader(fileReader);
        String line = "";
        String output = "";
        int a = 0, b = 0;
        boolean _write = false;

        while ((line = bufferedReader.readLine()) != null) 
            if(line.trim().startsWith("<td"))  _write = true;  else  _write = false; 

            if(_write) 
                a = line.indexOf('>')+1;
                b = line.lastIndexOf('<');
                output += line.substring(a,b) + "|";
            

            if(line.trim().equals("</tr>")) 
                System.out.println(output);
                output = "";
            

        
        fileReader.close();
     catch (IOException e) 
        e.printStackTrace();
    

【参考方案3】：

没关系，我在网上看到了这段代码：HtmlTableParser

其实我现在好像还有一个问题，但是和这个问题不完全相关，所以我再开一个。

【参考方案4】：

这就是使用 JSoup (srsly, don't use regexp for HTML) 的方式。

Document doc = Jsoup.parse(html);
Elements tables = doc.select("table");
for (Element table : tables) 
    Elements trs = table.select("tr");
    String[][] trtd = new String[trs.size()][];
    for (int i = 0; i < trs.size(); i++) 
        Elements tds = trs.get(i).select("td");
        trtd[i] = new String[tds.size()];
        for (int j = 0; j < tds.size(); j++) 
            trtd[i][j] = tds.get(j).text(); 
        
    
    // trtd now contains the desired array for this table

另外，class 属性值在您的示例中未正确关闭：

<td class="bold>Td2</td>

应该是

<td class="bold">Td2</td>

【讨论】：

如果我们在 HTML 表格中有 colspan 和 rowspan 属性？

【参考方案5】：

也许String.split('<whateverhtmltabletag>')可以帮助你？

StringTokenizer 类也很有用。示例：

String data = "one<br>two<br>three";  
StringTokenizer tokens = new StringTokenizer(data, "<br>");  
while (tokens.hasMoreElements())   
   System.out.println(tokens.nextElement());  // prints one, then two, then three

另外，使用indexOf("<tag")，此处示例：http://forums.devshed.com/java-help-9/parse-html-table-into-2d-arrays-680614.html

您还可以使用 HTML 解析器（如 jsoup），然后将表中的内容复制到数组中。这是 javascript 中的示例：JavaScript to parse HTML table of numbers into an array