我需要解析和读取大量的HTML网页(100+),以查找特定内容(几行几乎相同的文本)。
我使用了带有正则表达式的扫描器对象和jsoup与其HTML解析器。
这两种方法都很慢,并且使用jsoup时我遇到了以下错误: java.net.SocketTimeoutException: Read timed out(多台具有不同连接的计算机)
有更好的方法吗?
编辑:
现在我已经让jsoup工作了,我认为更好的问题是如何加速它?
我需要解析和读取大量的HTML网页(100+),以查找特定内容(几行几乎相同的文本)。
我使用了带有正则表达式的扫描器对象和jsoup与其HTML解析器。
这两种方法都很慢,并且使用jsoup时我遇到了以下错误: java.net.SocketTimeoutException: Read timed out(多台具有不同连接的计算机)
有更好的方法吗?
编辑:
现在我已经让jsoup工作了,我认为更好的问题是如何加速它?