Jsoup学习笔记8：Jsoup 解析指定目录中的saz文件，生成一个名字相同的htm文件，将解析结果写入csv文件中

package com.daxiang.saztest;

/**
* @Author: 大象Jepson
* @Date: 2015-7-23
* @Email: chenjinpeng0326@163.com
* @Version: Version1.0
* @CopyRight: 大象Jepson
* @Description: 解析指定目录中的saz文件，生成一个名字相同的htm文件，
* 				  解析生成的htm文件，提取其中table标签内的数据，
* 				  将解析到的数据写入csv文件中，生成一个名字相同的csv文件
*/
import java.io.File;
import java.io.FileOutputStream;
import java.io.FileWriter;
import java.io.IOException;
import java.io.InputStream;
import java.io.OutputStream;
import java.util.zip.ZipEntry;
import java.util.zip.ZipFile;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;

public class SazJsoupTest1 {
private static ZipFile zipFile;

public static void main(String[] args) throws Exception {
// 调用SazTest方法
SazTest();
// 定义存放htm临时文件的路径
String htmPath = "D:\\daxiang\\saztest\\21316.htm";
// 定义存放生成csv文件的路径
String csvPath = "D:\\daxiang\\saztest\\21316.csv";
// 调用JaoupTest方法
JsoupTest(htmPath, csvPath);

System.out.println("saz文件解析完成!");
}

/**
* 解压saz文件的方法
*/
public static void SazTest() throws Exception {

File file = new File("d:" + File.separator + "daxiang" + File.separator
+ "saztest" + File.separator + "21316.saz"); // 找到压缩文件

// 解析完成后就此htm文件就没有用了，可以手动删除掉
File outputFile = new File("D:\\daxiang\\saztest\\21316.htm");

zipFile = new ZipFile(file);
// 因为已经明确知道saz文件中有一个_index.htm文件，所以可以直接用getEntry()方法得到其压缩实体
ZipEntry entry = zipFile.getEntry("_index.htm"); // 得到一个压缩实体
OutputStream out = new FileOutputStream(outputFile); // 实例化输出流
InputStream input = zipFile.getInputStream(entry); // 得到一个压缩实体的输入流
int temp = 0;
while ((temp = input.read()) != -1) {
out.write(temp);
}
input.close(); // 关闭输入流
out.close(); // 关闭输出流

}

/**
* 解析htm文档的方法
*/
public static void JsoupTest(String htmPath, String csvPath)
throws IOException {
// 导入htm文档
File input = new File(htmPath);
Document doc = Jsoup.parse(input, "UTF-8");
// 提取表头信息
Elements heads = doc.getElementsByTag("table").select("thead");
FileWriter fw = new FileWriter(csvPath);
for (int m = 0; m < heads.size(); m++) {
Elements head = heads.get(m).select("th");
for (int n = 0; n < head.size(); n++) {
// 经过观察，该htm文档table标签内共有23列数据，因为只需要第2至12列的数据，所以其他列排除掉不予提取
if (n == 0) {
continue;
} else if (n < 22) {
// text()方法和toString()方法的效果不同
// String h = head.get(n).toString() + "\r\n";
String h = head.get(n).text() + ",";
fw.write(h);
System.out.print(h);
} else if (n == 22) {
String h = head.get(n).text() + "\r\n";
fw.write(h);
System.out.print(h);
} else {
break;
}
}
}
// 提取表格信息
Elements trs = doc.getElementsByTag("table").select("tr");
for (int i = 0; i < trs.size(); i++) {
Elements tds = trs.get(i).select("td");
for (int j = 0; j < tds.size(); j++) {
// 把空格无内容的部分去除掉
// if(!"".equals(tds.get(j).text())){
// String str = tds.get(j).text() + "\r\n";
// System.out.print(str);
// fw.write(str);
// }
if (j == 0) {
continue;
} else if (j < 22) {
// 加双引号的作用很大，有些数据是包含逗号的，不处理一下，本来在一个表格里的数据
// 会因为逗号的存在分开到好几列表格中
String str1 = "\"" + tds.get(j).text() + "\"";
String str2 = str1 + ",";
// System.out.print(str2);
fw.write(str2);
} else if (j == 22) {
String str3 = tds.get(j).text() + "\r\n";
// System.out.print(str3);
fw.write(str3);
} else {
break;
}
}
}
fw.flush();
fw.close();
}
}