使用 Java/Jsoup 從 HTML 內容中提取 JS 庫

Question

頁面： https : //en.wikipedia.org/wiki/Punjab,_India

HTML 源供參考（使用 Chrome） ： view-source:https://en.wikipedia.org/wiki/Punjab,_India

使用上面的頁面 URL，我想提取 HTML 中使用的所有 javascript 庫。

是否有使用Jsoup/Java或任何其他可以使用的 Java 庫的簡單方法。

Answer 1

您可以嘗試以下簡單的解決方案：

          List<String> sources = Jsoup.parse(html)
            .select("script")
            .stream()
            .map(element -> element.attr("src"))
            .filter(src -> !StringUtil.isBlank(src))
            .collect(Collectors.toList());

對您來說可能就足夠了。 如果沒有，請說明您期望什么輸出。

Answer 2

在我看來，您想從html頁面提取一些數據。 我建議您看一下此框架https://github.com/GoogleChrome/puppeteer/blob/v1.10.0/docs/api.md#，但是您必須遍歷DOM才能提取信息。 可以幫助解決此問題的另一個框架是https://jquery.com/ 。