2
我在抓取存储csv数据的网站。代码工作正常,但问题是HTML中所有这些地方,代码是''。为了避免这种情况,我尝试了一些东西(在代码中提到),但是由于代码重写了这些数据。现在,我真正想要的是'这应该被删除,没有任何数据干扰。如何通过java在网页抓取过程中避免td标签中的HTML空间
for (Iterator<Element> it = tdElements.iterator(); it.hasNext();) {
if (it.hasNext()) {
sb.append(" , ");
sb.append(" \r\n ");
}
for (Iterator<Element> it2 = tdElements.iterator(); it.hasNext();) {
Element tdElement2 = it.next();
final String content;
content = tdElement2.text().replace(",", "");
//I added the following code to avoid that 'Â'
final String content2;
content2 = tdElement2.text().replace("\u00a0","");
if (it2.hasNext()) {
sb.append(formatData(content));
sb.append(formatData(content2));
sb.append(" , ");
}
}
System.out.println(sb.toString());
sb.flush();
sb.close();
}
我明白那是什么,为什么它重写数据,因为sb.append(formatData(content));
的我追加整个数据的两倍,这就是为什么它是创造问题。那么我怎样才能同时管理','和''。
也为阅读乐趣:http://stackoverflow.com/questions/306862/does-using-final-for-variables-in-java-改进垃圾收集基本上,你不需要使用final,因为字符串是不可改变的。它在垃圾收集方面也没有任何优势。它只是增加了混乱。您也没有在该范围内分配代码来覆盖它们,或者可以覆盖它们。 – Tschallacka