如何使用JSoup读取特定的字符串值

Question

我已经处理了从HTML读取全部内容的代码。

URL url = new URL("https://idms.sunamerica.com/v2/market/home.idms");
             Document doc = Jsoup.parse(url, 5*1000);
             TextNode tn = new TextNode(doc.body().html(), "");
                String entireText = tn.getWholeText();

现在WholeText包含以下文本

<tr class="evenrow" onmouseover="loadMiniChart(\'S&amp;P Midcap 400\',8318990,\'market_mini_chart\')">
       '); document.write('
       <td>
        <div align="left">
         S&amp;P Midcap 400 Index
        </div></td>'); document.write('
       <td>1254.56</td>'); document.write('
       <td><span class="negative">-2.83</span></td>'); document.write('
      </tr>');

现在，我需要使用字符串“ S＆P Midcap 400 Index”获取值1254.56。

有什么方法可以匹配文本？ 感谢您的帮助。...:)

Answer 1

恐怕在这里用Jsoup无法做很多事情，因为您需要提取的文本在脚本节点内部，因此Jsoup处理的不是HTML，而是JavaScript。

可以做的是

• 您可以尝试手动提取所需的文本
• 或在Selenium中呈现页面，然后获取页面源并使用Jsoup对其进行解析
• 或在Web浏览器中打开一个页面，将其保存到磁盘，然后进行解析

关于您的Jsoup示例，不需要从html创建TextNode。 您可以在doc.body（）中获取树，然后使用Jsoup API进行导航：CSS选择器或树API方法（子类，第一个等）。

Answer 2

可以在这种情况下使用正则表达式

这是您问题的解决方案

String ResultString = null;
try {
    Pattern regex = Pattern.compile("<td>\\d+.\\d+</td>", Pattern.DOTALL | Pattern.CASE_INSENSITIVE | Pattern.UNICODE_CASE | Pattern.MULTILINE);
    Matcher regexMatcher = regex.matcher(subjectString);
    if (regexMatcher.find()) {
        ResultString = regexMatcher.group();
    } 
} catch (PatternSyntaxException ex) {
    // Syntax error in the regular expression
}

谢谢