htmlunit java如何从javascript解析内容结果?还有一个htmlunit错误
我想通过“ulasan terbaru”下的注释文本刮取,我认为这是一个javascript的结果(尽管我可能错了,我不完全确定如何通过inspect元素检查它),除此之外,我也不确定HTMLUnit中的几件事
我读过这篇文章,是为了获取使用HTMLUnit而不是Jsoup所需的javascript内容。我已经阅读了http://htmlunit.10904.n7.nabble.com/Selecting-a-div-by-class-name-td25787.html试图按类刮取div的注释,但是我没有得到任何输出
public static void comment(String url) throws IOException{
WebClient client = new WebClient();
client.setCssEnabled(true);
client.setJavaScriptEnabled(true);
try {
HtmlPage page = client.getPage(url);
List<?> date = page.getByXPath("//div/@class='list-box-comment'");
System.out.println(date.size());
for(int i =0 ; i<date.size();i++){
System.out.println(date.get(i).asText());
}
}
catch(Exception e){
e.printStackTrace();
}
}
这是我的代码中处理注释刮取的部分,我做得对吗?。但我有两个问题:
- 在“asText()”中,它表示“无法解析方法asText()”
- 即使在没有“asText()”的情况下运行,我也会将此视为错误:
com.gargoylesoftware.htmlunit.ObjectInstantiationException: unable to create HTML parser
at com.gargoylesoftware.htmlunit.html.HTMLParser$HtmlUnitDOMBuilder.<init>(HTMLParser.java:418)
at com.gargoylesoftware.htmlunit.html.HTMLParser$HtmlUnitDOMBuilder.<init>(HTMLParser.java:342)
at com.gargoylesoftware.htmlunit.html.HTMLParser.parse(HTMLParser.java:203)
at com.gargoylesoftware.htmlunit.html.HTMLParser.parseHtml(HTMLParser.java:179)
at com.gargoylesoftware.htmlunit.DefaultPageCreator.createHtmlPage(DefaultPageCreator.java:221)
at com.gargoylesoftware.htmlunit.DefaultPageCreator.createPage(DefaultPageCreator.java:106)
at com.gargoylesoftware.htmlunit.WebClient.loadWebResponseInto(WebClient.java:433)
at com.gargoylesoftware.htmlunit.WebClient.getPage(WebClient.java:311)
at com.gargoylesoftware.htmlunit.WebClient.getPage(WebClient.java:373)
at com.gargoylesoftware.htmlunit.WebClient.getPage(WebClient.java:358)
at ReviewScraping.comment(ReviewScraping.java:86)
at ReviewScraping.main(ReviewScraping.java:108)
Caused by: org.xml.sax.SAXNotRecognizedException: Feature 'http://cyberneko.org/html/features/scanner/allow-selfclosing-iframe' is not recognized.
at org.apache.xerces.parsers.AbstractSAXParser.setFeature(Unknown Source)
at com.gargoylesoftware.htmlunit.html.HTMLParser$HtmlUnitDOMBuilder.<init>(HTMLParser.java:411)
... 11 more
我希望我能展示所有的评论
/edit我使用Intellij作为我的IDE,并且使用Maven将对HTMLUnit的依赖项包含在我的Intellij项目结构中
# 1 楼答案
关于您的代码:
现在,页面本身的问题是:
已经做了一些测试,看起来页面也会在实际浏览器中产生错误(请检查浏览器控制台)。但是使用HtmlUnit会遇到更多问题(可能是因为缺少对某些javascript特性的支持)。通常这类页面使用了很多很多行js代码——我要找出哪里出了问题,这将非常耗时。如果您希望修复此问题,请尝试找到问题的真正原因(请参阅http://htmlunit.sourceforge.net/submittingJSBugs.html了解一些提示)并提交错误报告