Jericho jest biblioteką napisaną w pełni w języku Java przeznaczoną dla tego języka i umożliwiającą na bardzo zaawansowane operacje na kodzie w językach znaczników. Korzystając z Jericho można stosunkowo łatwo przejrzeć, przetworzyć, czy edytować pliki HTML, XHTML czy XML. Na stronie projektu można przeczytać, że Jericho radzi sobie też dobrze z kodem PHP czy ASP. Biblioteka nie tylko wydała się, ale szybko okazała się idealna do tego zadania. Jej twórcy nie zapomnieli stworzyć i opublikować dobrego Jdoc'a dzięki czemu zapoznanie się z biblioteką nie zajęło dłużej niż 10minut!
Pojawił się w pewnym momencie jeden problem. DIV comment-text potrafi zawierać wiele elementów. Mogą znajdować się tam linki (<a>), może też zawierać wiele akapitów (<p>) ponieważ youtube w komentarzach każdą nową linię traktuje jako nowy paragraf, nie jako łamanie linii. Rozwiązaniem tego problemu jest po prostu przejrzenie wszystkich elementów wewnątrz comment-text i dopasowanie ich do wzorca.
Poniżej znajduje się kod, który wykonuje całe zadanie.Z racji, że komentarz mógł znajdować się pod dowolnym filmem ID wszystkich filmów na początku dodane zostały do listy. Następnie cała ta lista zostaje przejrzana i ewentualny komentarz jest podawany razem z linkiem do filmu, pod którym wystąpił. Łatwo zauważyć, że właściwego kodu do przeglądania tych elementów jest bardzo mało. To zdecydowanie zaleta dobrze zrealizowanej biblioteki.
package org.itc.ctsg;
import java.io.IOException;
import java.net.URL;
import java.util.Arrays;
import java.util.List;
import net.htmlparser.jericho.Element;
import net.htmlparser.jericho.Source;
public class Main {
/**
* @param args
* @throws IOException
*/
public static void main(String[] args) throws IOException
{
String base="http://www.youtube.com/all_comments?v=";
List urls = Arrays.asList(new String[]
{
"odTV24ralrg",
"QvAykBjFahs",
"iB5IYI1o6AU",
"H-WIqpxg7J0",
"cpWTj25NHP0",
"lqTWgA-u_2U",
"v8EMhLkJEb8",
"pqie3Dx4m18",
"pHiSG9bPpXc",
"APoqGa9JnbU",
"6ikMWFCZvLc",
"J8r7OCtIN3U",
"X7pHkFi6kh8",
"3pRYHFi1mRk",
"Qv1VFFT7xjA",
"347RqASCi4g",
"0sCyOJVhfOA",
"tHN8d6xvq64",
"R29uLuyXqhU",
"BDNrU-xPJ5o",
"zijjQoyl4zg",
"2S4i9eUqFME",
"i7jX2eZRnYM",
"QeQWVPcBYyw",
"Tp1ddHxoxP4"
});
for(String surl : urls)
{
String host = base+surl;
System.out.println("For url: "+host);
System.out.println("====================================================");
URL url = new URL(host);
Source source = new Source(url);
List lista = source.getAllElements();
for(Element elem : lista)
{
if(elem!=null
&& elem.getAttributes() != null
&& !elem.getAttributes().isEmpty()
&& elem.getAttributes().getValue("class") != null
&& elem.getAttributes().getValue("class").equals("comment-text"))
{
for(Element in : elem.getContent().getAllElements())
if(in != null && in.getContent().toString()!=null && in.getContent().toString().matches(".*(([a-zA-Z][\\d]){5}|([\\d][a-zA-z]){5}).*"))
{
System.out.println("<"+in.getName()+">");
System.out.println(in.getContent().toString());
}
}
}
}
}
}
Czytaj też:
Brak komentarzy:
Prześlij komentarz