解析HTML,获取其中想要的信息

遇到一个比较棘手的需求:

  1. 开发语言Java;

  2. 程序定时读取HR邮箱中从前程无忧,智联发过来的简历(已实现,获到简历的HTML);

  3. 从简历HTML中解析获取想要的信息想(姓名,性别,电话,邮箱,工作经历,教育经历等等),保存到数据库中;

  4. 把数据库中的简历数据用HTML展示,可让HR进行筛选;

我现在卡在了简历HTML的解析信息这步,我用比较笨的方法,字符串定位截取,但是这样没办法比较准确的获取到想要信息。。。求助大家,看有没有好方法解析。。

用正则表达式呢?多考虑一些可能的匹配格式,应该可以。

用正则捕获会好点吧

可以用 jsoup

可以用JSOUP 之前做过一个类似的东西,这个很方便的,可以对各种标签什么的进行处理。

优先选择jsoup。
jsoup有个select功能,类似于CSS的选择器的语法,API又简洁,比正则表达式方便。

1 正则
2 HTML解析库,中文貌似叫“秘银”

还是用Jsoup 转成 相应的 Document对象,在操作对应元素方便点。
jsoup API:http://www.open-open.com/jsoup/

发表评论

电子邮件地址不会被公开。 必填项已用*标注