通过模式组织文本的最佳方法？

Question

我已经抓取了很多信息，需要将其组织成几个领域。 唯一的问题是，在用于标识它并创建模式和匹配器的信息之前没有特定的标头。 我在下面提供了2组数据的信息。 如图所示，标识符只是“左”或“中心”，显示它们在屏幕上的位置。 通过在每个数据集中添加每个字段，将每组数据搜索和组织为CSV的最佳方法是什么？ 需要保存的数据将是“ left”或“ center”之后的所有内容。

<td align="left">ERIK DAVIDOVIC, ET AL  </td><td align="left">5620 GOODMAN DRIVE</td><td align="center">NORTH ROYALTON</td><td align="center">44133-0000</td><td align="center">
                        <a id="SheetContentPlaceHolder_ctl00_gvForeclosureResutls_lbCaseNum_0" href="javascript:__doPostBack(&#39;ctl00$SheetContentPlaceHolder$ctl00$gvForeclosureResutls$ctl02$lbCaseNum&#39;,&#39;&#39;)" style="display:inline-block;width:100px;">CV-13-798497</a>
                    </td><td align="center">488-05-029</td><td align="center">I</td><td align="center">01/02/2013</td>
        </tr><tr style="background-color:Gainsboro;">


            <td align="left">UNKNOWN HEIRS, ETC OF D.C. RUFUS, ET AL  </td><td align="left">10603 HAMPDEN AVENUE</td><td align="center">CLEVELAND</td><td align="center">44108-0000</td><td align="center">
                        <a id="SheetContentPlaceHolder_ctl00_gvForeclosureResutls_lbCaseNum_1" href="javascript:__doPostBack(&#39;ctl00$SheetContentPlaceHolder$ctl00$gvForeclosureResutls$ctl03$lbCaseNum&#39;,&#39;&#39;)" style="display:inline-block;width:100px;">CV-13-798498</a>
                    </td><td align="center">109-16-094</td><td align="center">A</td><td align="center">01/02/2013</td>
        </tr><tr style="background-color:LightGrey;">

Answer 1

您可以使用http://jsoup.org/之类的解析器来解析html文件并使用选择器提取信息。

希望能帮助到你。

Answer 2

实际上，这是一个结构漂亮的表格。

您应该能够在<td..>上进行解析以知道新值正在开始，然后在<tr>上开始新行

您只需计算行中的哪个<td>即可知道该值代表哪一列。