Apache Velocity Apiを使用すると、Java オブジェクト (リスト、POJO など) を (HTML)テンプレートと組み合わせて、(HTML) 出力を作成できます。
これをリバースエンジニアリングするのに役立つJava APIはありますか? この API の入力は、HTML 出力と使用されるテンプレートである可能性があります。出力は、出力の生成に使用されたデータ (Java/XML 形式) である必要があります。
私はHTTP Unit APIを認識していますが、これにより HTML 要素 (テーブルなど) を抽出できます。テンプレートに基づいてデータを抽出するものを探しています。
さまざまなタイプのメッセージを変換するために、google protobuf を使用できます。また、テンプレートの定義も非常に簡単です。JSON.parse() を使用して JavaScript オブジェクトを作成します。Java では、protobuf を使用して JSON を Java オブジェクトに変換できます。
私の答えはおそらくこの質問の作者には役に立たないでしょう（私は5年遅れているので適切なタイミングではないと思います）が、これはGoogleで入力したときに見つけた最初の結果HTML to POJOなので、この回答に出くわす可能性のある他の多くの開発者。
今日、(私の会社の名前で) HTML から POJO への完全なフレームワークをリリースしました。このフレームワークを使用して、HTML を任意の POJO クラスにいくつかの注釈を付けてマップすることができます。ライブラリ自体は非常に便利で、非常にプラグイン可能でありながら、他の多くの機能を備えています。ここでそれを見ることができます：https://github.com/whimtrip/jwht-htmltopojo
次の html ページを解析する必要があるとします。
<html>
<head>
<title>A Simple HTML Document</title>
</head>
<body>
<div class="restaurant">
<h1>A la bonne Franquette</h1>
<p>French cuisine restaurant for gourmet of fellow french people</p>
<div class="location">
<p>in <span>London</span></p>
</div>
<p>Restaurant n*18,190. Ranked 113 out of 1,550 restaurants</p>
<div class="meals">
<div class="meal">
<p>Veal Cutlet</p>
<p rating-color="green">4.5/5 stars</p>
<p>Chef Mr. Frenchie</p>
</div>
<div class="meal">
<p>Ratatouille</p>
<p rating-color="orange">3.6/5 stars</p>
<p>Chef Mr. Frenchie and Mme. French-Cuisine</p>
</div>
</div>
</div>
</body>
</html>
マップしたい POJO を作成しましょう。
public class Restaurant {
@Selector( value = "div.restaurant > h1")
private String name;
@Selector( value = "div.restaurant > p:nth-child(2)")
private String description;
@Selector( value = "div.restaurant > div:nth-child(3) > p > span")
private String location;
@Selector(
value = "div.restaurant > p:nth-child(4)"
format = "^Restaurant n\*([0-9,]+). Ranked ([0-9,]+) out of ([0-9,]+) restaurants$",
indexForRegexPattern = 1,
useDeserializer = true,
deserializer = ReplacerDeserializer.class,
preConvert = true,
postConvert = false
)
// so that the number becomes a valid number as they are shown in this format : 18,190
@ReplaceWith(value = ",", with = "")
private Long id;
@Selector(
value = "div.restaurant > p:nth-child(4)"
format = "^Restaurant n\*([0-9,]+). Ranked ([0-9,]+) out of ([0-9,]+) restaurants$",
// This time, we want the second regex group and not the first one anymore
indexForRegexPattern = 2,
useDeserializer = true,
deserializer = ReplacerDeserializer.class,
preConvert = true,
postConvert = false
)
// so that the number becomes a valid number as they are shown in this format : 18,190
@ReplaceWith(value = ",", with = "")
private Integer rank;
@Selector(value = ".meal")
private List<Meal> meals;
// getters and setters
}
そして今、Mealクラスも：
public class Meal {
@Selector(value = "p:nth-child(1)")
private String name;
@Selector(
value = "p:nth-child(2)",
format = "^([0-9.]+)\/5 stars$",
indexForRegexPattern = 1
)
private Float stars;
@Selector(
value = "p:nth-child(2)",
// rating-color custom attribute can be used as well
attr = "rating-color"
)
private String ratingColor;
@Selector(
value = "p:nth-child(3)"
)
private String chefs;
// getters and setters.
}
github ページで、上記のコードに関する詳細な説明を提供しました。
とりあえず、これをスクラップする方法を見てみましょう。
private static final String MY_HTML_FILE = "my-html-file.html";
public static void main(String[] args) {
HtmlToPojoEngine htmlToPojoEngine = HtmlToPojoEngine.create();
HtmlAdapter<Restaurant> adapter = htmlToPojoEngine.adapter(Restaurant.class);
// If they were several restaurants in the same page,
// you would need to create a parent POJO containing
// a list of Restaurants as shown with the meals here
Restaurant restaurant = adapter.fromHtml(getHtmlBody());
// That's it, do some magic now!
}
private static String getHtmlBody() throws IOException {
byte[] encoded = Files.readAllBytes(Paths.get(MY_HTML_FILE));
return new String(encoded, Charset.forName("UTF-8"));
}
別の短い例はここにあります
これが誰かを助けることを願っています！