PDI 스푼 단계 (사용자 정의 Java 클래스)에서 HTML 스크래핑

Question

안녕하세요 HTTP Client 단계를 사용하여 웹 사이트의 소스 코드를 가져 왔습니다. 한 줄의 특정 부분을 긁어 내야합니다.

예 선 : <a href="....." ......>TEXT I WANT</a>

볼 그래서 내가 PDI에 UDJC을 사용 패턴 및 제 배열을하고, 실행 조건 (즉, 정규식 검사)와 다음 String[] lines = code.split("\n+"); 및 루프 라인으로 텍스트 블록을 분할 내가 바른 길을 가졌다면.

for(String line : lines){ 
     if line.matches(".*a href.*"){ 
      String outputString = code; 
      break; 
     } 
    } 

(PDI가없는 순수한 java로도 IDE에서이 작업을 시도하고 있습니다.) 이 문제를 어떻게 해결할 수 있습니까? 아니면 내가 원하는 청크를 빠르고 쉽게 얻을 수있는 방법이 있습니까?

Answer 1

당신이 원하는처럼 나는 필터 단계

변환-단계와 유사한 경우에 무언가를 :

1. 필드 "DOM"에 행을 생성
   입력 문자열 중요 : 제한은 1이어야한다 // pentaho에는 https-step에 대한 입력란이 필요합니다.이 입력란은
2. http-step 다음에 html-dump를 가져 와서 필드 이름 " -code 필드가 좋음) // 미리보기로 확인 if 데이터는
3. 필터 단계가있다 : HTTP가 "<a href" //이 행해져 Yout 출력 원으로
이 당신의 정규식 *와
4. 자바 스크립트 단계, 새로운 필드를 정의 출력을 확인 포함

* for the regex