使用选择器语法来查找元素问题你想使用类似于CSS或jQuery的语法来查找和操作元素。 方法可以使用Element.select(String selector) 和 Elements.select(String selector) 方法实现: File input = new File("/tmp/input.html");
Document doc = Jsoup.parse(input, "UTF-8", "http:///");
Elements links = doc.select("a[href]"); //带有href属性的a元素
Elements pngs = doc.select("img[src$=.png]");
//扩展名为.png的图片
Element masthead = doc.select("div.masthead").first();
//class等于masthead的div标签
Elements resultLinks = doc.select("h3.r > a"); //在h3元素之后的a元素
说明jsoup elements对象支持类似于CSS (或jquery)的选择器语法,来实现非常强大和灵活的查找功能。. 这个select 方法在Document , Element ,或Elements 对象中都可以使用。且是上下文相关的,因此可实现指定元素的过滤,或者链式选择访问。 Select方法将返回一个Elements 集合,并提供一组方法来抽取和处理结果。 Selector选择器概述tagname : 通过标签查找元素,比如:a ns|tag : 通过标签在命名空间查找元素,比如:可以用 fb|name 语法来查找 <fb:name> 元素#id : 通过ID查找元素,比如:#logo .class : 通过class名称查找元素,比如:.masthead [attribute] : 利用属性查找元素,比如:[href] [^attr] : 利用属性名前缀来查找元素,比如:可以用[^data-] 来查找带有HTML5 Dataset属性的元素[attr=value] : 利用属性值来查找元素,比如:[width=500] [attr^=value] , [attr$=value] , [attr*=value] : 利用匹配属性值开头、结尾或包含属性值来查找元素,比如:[href*=/path/] [attr~=regex] : 利用属性值匹配正则表达式来查找元素,比如: img[src~=(?i)\.(png|jpe?g)] * : 这个符号将匹配所有元素
Selector选择器组合使用el#id : 元素+ID,比如: div#logo el.class : 元素+class,比如: div.masthead el[attr] : 元素+class,比如: a[href] - 任意组合,比如:
a[href].highlight ancestor child : 查找某个元素下子元素,比如:可以用.body p 查找在"body"元素下的所有p 元素parent > child : 查找某个父元素下的直接子元素,比如:可以用div.content > p 查找 p 元素,也可以用body > * 查找body标签下所有直接子元素siblingA + siblingB : 查找在A元素之前第一个同级元素B,比如:div.head + div siblingA ~ siblingX : 查找A元素之前的同级X元素,比如:h1 ~ p el, el, el :多个选择器组合,查找匹配任一选择器的唯一元素,例如:div.masthead, div.logo
伪选择器selectors:lt(n) : 查找哪些元素的同级索引值(它的位置在DOM树中是相对于它的父节点)小于n,比如:td:lt(3) 表示小于三列的元素:gt(n) :查找哪些元素的同级索引值大于n ,比如 : div p:gt(2) 表示哪些div中有包含2个以上的p元素:eq(n) : 查找哪些元素的同级索引值与n 相等,比如:form input:eq(1) 表示包含一个input标签的Form元素:has(seletor) : 查找匹配选择器包含元素的元素,比如:div:has(p) 表示哪些div包含了p元素:not(selector) : 查找与选择器不匹配的元素,比如: div:not(.logo) 表示不包含 class=logo 元素的所有 div 列表:contains(text) : 查找包含给定文本的元素,搜索不区分大不写,比如: p:contains(jsoup) :containsOwn(text) : 查找直接包含给定文本的元素:matches(regex) : 查找哪些元素的文本匹配指定的正则表达式,比如:div:matches((?i)login) :matchesOwn(regex) : 查找自身包含文本匹配指定正则表达式的元素- 注意:上述伪选择器索引是从0开始的,也就是说第一个元素索引值为0,第二个元素index为1等
可以查看Selector API参考来了解更详细的内容
|