2019独角兽企业重金招聘Python工程师标准>>> 
假如有如下html代码需要解析
<table border="1"><tr><td rowspan="3">1</td><td>1</td><td>1</td><td>1</td></tr><tr><td>2</td><td>2</td><td>2</td></tr><tr><td>3</td><td>3</td><td>3</td></tr>
</table>我们需要以每一行为一个对象的解析过程
理想输出的结果是
1111
1222
1333
再假如有下面html
<table border="1"><tr><td rowspan="3">1</td><td>1</td><td>1</td><td>1</td></tr><tr><td>2</td><td rowspan="2">2</td><td>2</td></tr><tr><td>3</td><td>3</td></tr>
</table>
我们得到理想的结果是
1111
1222
1323
如果每次都按照这样的结果输出，就符合我们的理想， 把rowspan掉的给恢复成无rowspan的table解析起来就比较方便了
下面说解决思路， 首先我们用一个二维的String数组来表示无rowspan table的行和列
上面的我们可以声明String[][] table=new String[3][4];
表示三行四列的table
下面我开始遍历html代码的每一行，行下标用i来表示，在行的遍历代码中我们遍历每行的列，在遍历的同时我们判断这个列是不是有rowspan属性，如果有在二维数组中给i+1行的当前列（通过当前列的下标可以访问到）赋值为i行的当前单元格的值，这个rowspan被顺利读取，最后的二维数组就是我们得到的没有rowspan的table。注意在给每个单元格赋值前，需要判断当前行和当前列是不是为空的， 如果不为空则向列+1的单元格赋值 ， 依此往复知道赋值成功
下面贴上我的代码，用到了jsoup（解析html利器嘛 。）
package bank.html;import java.io.File;
import java.io.IOException;
import java.util.ArrayList;
import java.util.List;import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;public class Table {private List<Tr> trs;private String html;private String[][] table;private boolean isHtml;public Table(String tableHtml){html=tableHtml;}public void parse(){Document document=Jsoup.parse(html);Elements trsE = document.select("tr");Elements firstTds=trsE.get(0).select("td");table = new String[trsE.size()][firstTds.size()];for (int row = 0; row < table.length; row++) {Element tr = trsE.get(row);Elements tds = tr.select("td");int column = 0;for (Element td : tds) {if (td.hasAttr("rowspan")) {int rowspan = Integer.parseInt(td.attr("rowspan"));td.removeAttr("rowspan");int endRow = rowspan + row - 1;for (int startColumn=column; endRow > row; endRow--) {boolean flag = true;int columnA=startColumn;while (flag) {if (table[endRow][columnA] == null) {table[endRow][columnA] = isHtml?td.toString():td.html();flag=false;startColumn=columnA;} else {columnA++;}}}}boolean runing = true;do {if (table[row][column] == null) {runing = false;table[row][column] = isHtml?td.toString():td.html();} else {runing = true;}column++;} while (runing);}}trs=new ArrayList<Tr>();for (String[] strings : table) {Tr tr=new Tr();List<Td> tds=new ArrayList<Td>();for (String string : strings) {Td td=new Td();td.setContent(string);tds.add(td);}tr.setTds(tds);trs.add(tr);}}public List<Tr> getTrs(){return trs;}public String getHtml(){return html;}public int getTrCount(){return trs.size();}public void isHtml(boolean v){isHtml=v;}public static void main(String[] args) throws IOException {Document document=Jsoup.parse(new File("table.html"), "utf-8");Elements trs=document.select("tr");System.out.println(trs.size());Table table=new Table("<table>"+trs.toString()+"</table>");table.parse();for(Tr trss:table.getTrs()){System.out.println("行开始");for(Td td:trss.getTds()){System.out.println(td.getContent());}System.out.println("行结束");}}
}package bank.html;import java.util.List;public class Tr {private List<Td> tds;public List<Td> getTds() {return tds;}public void setTds(List<Td> tds) {this.tds = tds;}}package bank.html;public class Td {private String content;public String getContent() {return content;}public void setContent(String content) {this.content = content;}
}可以用上面的html代码测试，可能我描述的不够清楚，大家代码运行下就会明白的。这是我在OSC的处作，其中可能会存在问题，欢迎各路人批评指正。
