HTML del sitio web grueso con JAVA [duplicado]
Esta pregunta ya tiene una respuesta aquí:
¿Qué analizador HTML es el mejor? [cerrado 3 respuestasQuiero analizar un sitio web simple y extraer información de ese sitio web.
Solía analizar archivos XML con DocumentBuilderFactory, traté de hacer lo mismo para el archivo html pero siempre entra en un bucle infinito.
URL url = new URL("http://www.deneme.com");
URLConnection uc = url.openConnection();
InputStreamReader input = new InputStreamReader(uc.getInputStream());
BufferedReader in = new BufferedReader(input);
String inputLine;
FileWriter outFile = new FileWriter("orhancan");
PrintWriter out = new PrintWriter(outFile);
while ((inputLine = in.readLine()) != null) {
out.println(inputLine);
}
in.close();
out.close();
File fXmlFile = new File("orhancan");
DocumentBuilderFactory dbFactory = DocumentBuilderFactory.newInstance();
DocumentBuilder dBuilder = dbFactory.newDocumentBuilder();
Document doc = dBuilder.parse(fXmlFile);
NodeList prelist = doc.getElementsByTagName("body");
System.out.println(prelist.getLength());
¿Cuál es el problema? ¿O hay alguna forma más fácil de extraer datos de un sitio web para una etiqueta html determinada?