[英]JSoup Parse text and links in sequence from html file
我正在尝试从html文件中提取文本和链接。 目前,我可以使用JSoup轻松提取两者,但是我只能单独进行提取。
这是我的代码:
try {
doc = (Document) Jsoup.parse(new File(input), "UTF-8");
Elements paragraphs = ((Element) doc).select("td.text");
for(Element p : paragraphs){
// System.out.println(p.text()+ "\r\n" + "***********************************************************" + "\r\n");
getGui().setTextVers(p.text()+ "\r\n" + "***********************************************************" + "\r\n");
}
Elements links = doc.getElementsByTag("a");
for (Element link : links) {
String linkHref = link.attr("href");
String linkText = link.text();
getGui().setTextVers("\n\n"+link.text() + ">\r\n" +linkHref + "\r\n");
}
}
我将.text类放在最外面的td上,那里有文本。 我想要实现的是:当程序找到带有.text类的td时,它将检查是否存在任何链接,并按顺序从该节中提取它们。 因此,您将拥有:
文本
链接
文本
链接
我尝试将每个循环的内部内容放入第一个foreach循环,但这仅打印了页面链接的完整列表,任何人都可以帮忙吗?
尝试
Document doc = (Document) Jsoup.parse(new File(input), "UTF-8");
Elements paragraphs = ((Element) doc).select("td.text");
for (Element p : paragraphs) {
System.out.println(p.text());
Elements links = p.getElementsByTag("a");
for (Element link : links) {
String linkHref = link.attr("href");
String linkText = link.text();
System.out.println("\n\n" + linkText + ">\r\n" + linkHref + "\r\n");
}
}
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.