java excel转html（一种使用Java的快速将Web中表格转换成Excel的方法）
背景
随着后疫情时代的到来 ，在过去的2022年 ，全国的经济情况 ，想必是很多学者和研究对象都非常关心的事 。而这些数据在国家统计局网站上都有相应的记录 。通过分析这些数据 ，可以从某一个角度来验证和观察当下的经济情况 。
全国共计有1279个县级单位已经披露了2022年GDP和一般公共预算收入数据情况 ，企业预警通根据这些数据整理出中国百强县gdp排行榜和百强县一般公共预算收入排行榜 。其中昆山市以5006.66亿元GDP蝉联榜单榜首 ，江阴市 、晋江市位列百强县第二三位 ，长沙县是湖南省唯一进入全国前十的（Top7） 。来源：2023中国县城GDP百强榜揭晓 2023中国百强县排行榜一览 。
第一张图是以图片的形式发布的 ，第二种是采用Html的表格（table）形式展示的 。在离线分析使用数据的时候非常不方便 。作为程序猿 ，这一定难不倒您 。我们可以采用网页抓取的技术对数据进行整理 。本文将以Java语言为编程语言 ，讲解使用Jsoup对Web网页知识进行爬取 ，文中给出了详细的示例代码 ，希望对大家有帮助 。
一 、初识Jsoup抓取
1 、网页结构分析
在使用Jsoup对页面进行抓取时 ，需要对网页的结构进行初步的分析 ，便于制定相对应的抓取策略 。首先打开浏览器 ，输入目标网站的地址 ，同时打开F12进入调试 ，找到目标网页的元素 。
打开上面gdp百强榜表格中的div下table表格 ，找到如下的数据
同理 ，对于一般公共预算收入的数据处理也是同样的处理办法 ，在此不再赘述 。
二 、Java开发Jsoup抓取
1 、引用Jsoup相关依赖包
这里我们采用Maven的jar进行包的依赖处理管理 。因此先定义Pom.xml,关键代码如下所示：
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd"> <modelVersion>4.0.0</modelVersion> <groupId>com.yelang</groupId> <artifactId>jsoupdemo</artifactId> <version>0.0.1-SNAPSHOT</version> <dependencies> <dependency> <groupId>org.jsoup</groupId> <artifactId>jsoup</artifactId> <version>1.11.3</version> </dependency> <dependency> <groupId>com.alibaba</groupId> <artifactId>easyexcel</artifactId> <version>3.0.5</version> </dependency> </dependencies> </project>2 、 信息实体类的处理
对比发现两个表格处理具体的指标不一样 ，前面的排名和县名称 ，所在省份名称都是一样的 。因此我们采用面向对象的设计方法对信息处理的类进行开发 。相应的类图如下所示：
3 、数据采集实体
package com.yelang.entity; import java.io.Serializable; import com.alibaba.excel.annotation.ExcelProperty; public class CountyBase implements Serializable { private static final long serialVersionUID = -1760099890427975758L; @ExcelProperty(value= {"序号"},index = 1) private Integer index; @ExcelProperty(value= {"县级地区"},index = 2) private String name; @ExcelProperty(value= {"所属省"},index = 3) private String province; public Integer getIndex() { return index; } public void setIndex(Integer index) { this.index = index; } public String getName() { return name; } public void setName(String name) { this.name = name; } public String getProvince() { return province; } public void setProvince(String province) { this.province = province; } public CountyBase(Integer index, String name, String province) { super(); this.index = index; this.name = name; this.province = province; } public CountyBase() { super(); } }在上面的代码中 ，将排序 、县级地区 、省作为父类抽象出来 ，设计两个子类：GDP类和一般公共收入类 。这里需要注意的是 ，由于这里我们需要将采集的数据保存到本地的Excel表格中 ，这里我们采用EasyExcel作为技术生成组件 。@ExcelProperty这个属性中 ，我们定义了写入的Excel表头以及具体的排序 。
package com.yelang.entity; import java.io.Serializable; import com.alibaba.excel.annotation.ExcelProperty; public class Gdp extends CountyBase implements Serializable { private static final long serialVersionUID = 5265057372502768147L; @ExcelProperty(value= {"GDP（亿元）"},index = 4) private String gdp; public String getGdp() { return gdp; } public void setGdp(String gdp) { this.gdp = gdp; } public Gdp(Integer index, String name, String province, String gdp) { super(index,name,province); this.gdp = gdp; } public Gdp(Integer index, String name, String province) { super(index, name, province); } } package com.yelang.entity; import java.io.Serializable; import com.alibaba.excel.annotation.ExcelProperty; public class Gpbr extends CountyBase implements Serializable { private static final long serialVersionUID = 8612514686737317620L; @ExcelProperty(value= {"一般公共预算收入（亿元）"},index = 4) private String gpbr;// General public budget revenue public String getGpbr() { return gpbr; } public void setGpbr(String gpbr) { this.gpbr = gpbr; } public Gpbr(Integer index, String name, String province, String gpbr) { super(index, name, province); this.gpbr = gpbr; } public Gpbr(Integer index, String name, String province) { super(index, name, province); } }4 、实际爬取
下面是处理GDP数据的转换代码 ，如果不熟悉Jsoup可以先熟悉下相关语法 ，如果有类似Jquery的开发经验 ，对于Jsoup上手非常快 。
static void grabGdp() { String target = "https://www.maigoo.com/news/665462.html"; try { Document doc = Jsoup.connect(target) .ignoreContentType(true) .userAgent(FetchCsdnCookie.ua[1]) .timeout(300000) .header("referer","https://www.maigoo.com") .get(); Elements elements = doc.select("#t_container > div:eq(3) table tr"); List<Gdp> list = new ArrayList<Gdp>(); for(int i = 1;i<elements.size();i++) { Element tr = elements.get(i);//获取表头 Elements tds = tr.select("td"); Integer index = Integer.valueOf(tds.get(0).text()); String name = tds.get(1).text(); String province = tds.get(2).text(); String gdp = tds.get(3).text(); Gdp county = new Gdp(index, name, province, gdp); list.add(county); } String fileName = "E:/gdptest/2023全国百强县GDP排行榜 .xlsx"; EasyExcel.write(fileName, Gdp.class).sheet("GDP百强榜").doWrite(list); System.out.println("完成..."); } catch (Exception e) { System.out.println(e.getMessage()); System.out.println("发生异常 ，继续下一轮循环"); } }这里需要注意的是在jsoup中如何进行网页的元素定位及抓取 。在上面这里 ，我们使用类似jquery的Dom获取方法 。
Elements elements = doc.select("#t_container > div:eq(3) table tr");通过这一行去获取表格下的每一个tr ，然后再循环每个td就可以获取对应的数据 。
三 、过程分析及结果
1 、采集过程分析
这里采用对源程序进行debug的方法对网页进行抽丝剥茧的分析 。使用jsou进行网页模拟访问
采用select(xxx)的方法获取页面元素 ，
获取tr下的td单元格数据 ，
2 、运行结果
上述代码运行完成后 ，在目的磁盘可以看到以下两个文件 ，
打开上述两个excel文件可以看到想要采集的数据已经采集完毕 ，数据的顺序也是完全按照网页上的顺序来进行生成的 。
总结
以上就是本文的主要内容 。本文将以Java语言为编程语言 ，详细讲解了如何使用Jsoup对Web网页知识进行爬取 ，结合EasyExcel将网页表格转换成Excel表格 ，同时文中给出了详细的示例代码 。由于行文仓促 ，难免有误 ，欢迎批评指正交流 。
创心域SEO版权声明：以上内容作者已申请原创保护，未经允许不得转载，侵权必究！授权事宜、对本内容有异议或投诉，敬请联系网站管理员，我们将尽快回复您，谢谢合作！