如何使用jsoup选择html文档的叶标记

Question

我正在使用jsoup来解析一个html文档。 我需要提取所有子div元素。 这基本上是没有嵌套div标签的div标签。 我在java中使用以下内容来提取div标签，

Elements bodyTag = document.select("div:not(div>div)"); 

这是一个例子：

<div id="header">
     <div class="container">
         <div id="header-logo"> 
         <a href="/" title="mekay.com">
             <div id="logo">
             </div> </a>
        </div>
        <div id="header-banner">
            <div data-type="ad" data-publisher="lqm.j2ee.site" data-zone="ron">
            </div>
        </div>
     </div>
</div>

我只需要提取以下内容：

 <div id="logo">
 </div>
 <div data-type="ad" data-publisher="lqm.j2ee.site" data-zone="ron">
 </div>

相反，上面的代码片段返回所有div标签。 那么，请你帮我弄清楚这个选择器有什么问题

Answer 1

这个是完美的工作

Elements innerMostDivs = doc.select("div:not(:has(div))");

在线尝试

• 添加你的html文件
• 将css查询添加为div:not(:has(div))
• 检查结果元素

Answer 2

如果你只想要没有任何孩子的div叶子，那么使用它

Elements emptyDivs = document.select("div:empty");

你现在使用的选择器意味着fetch me all the divs that are not direct children of another div 。 它带来了第一个父div是正常的，因为div id="header"不是div的直接子节点。 最有可能的是它的父母是body 。