Проблема извлечения тегов jsoup - PullRequest
Новая
       16

Проблема извлечения тегов jsoup

0 голосов
/ 06 августа 2010

test: example
test1: example1 
 Elements size = doc.select("div:contains(test:)");

как мне извлечь пример значения и example1 из этого HTML-тега .... используя jsoup ..

1 Ответ

3 голосов
/ 12 августа 2010

Поскольку этот HTML не является достаточно семантическим для конечной цели (у <br> не может быть детей, а : не является HTML), вы не можете многое сделать с анализатором HTML, например Jsoup. Анализатор HTML не предназначен для выполнения конкретной text экстракции / токенизации.

Лучшее, что вы можете сделать - это получить HTML-содержимое <div> с помощью Jsoup, а затем извлечь его, используя обычные java.lang.String или, возможно, java.util.Scanner методы.

Вот пример запуска: 

String html = "<div style=\"height:240px;\"><br>test: example<br>test1:example1</div>";
Document document = Jsoup.parse(html);
Element div = document.select("div[style=height:240px;]").first();

String[] parts = div.html().split("<br />"); // Jsoup transforms <br> to <br />.
for (String part : parts) {
    int colon = part.indexOf(':');
    if (colon > -1) {
        System.out.println(part.substring(colon + 1).trim());
    }
}

В результате 

example
example1

Если бы я был автором HTML, я бы использовал для этого список определения . Э.Г. 

<dl id="mydl">
     <dt>test:</dt><dd>example</dd>
     <dt>test1:</dt><dd>example1</dd>
</dl>

Это более семантически и, следовательно, более легко разбирается: 

String html = "<dl id=\"mydl\"><dt>test:</dt><dd>example</dd><dt>test1:</dt><dd>example1</dd></dl>";
Document document = Jsoup.parse(html);
Elements dts = document.select("#mydl dd");
for (Element dt : dts) {
    System.out.println(dt.text());
}
...