使用jsoup在元素外部但在元素旁边获取文本

Question

<tr class="s">
    <td style="text-align: center; width: 100px"></td>
    <td colspan="3">
        <a target="_blank" href="" title="Localiser avec Google Maps">
            <img src="images/gm.gif?v=7" alt="Google Maps" class="gm noauto" align="right">
        </a>
        10, rue Edmond Rostand - 13006 MARSEILLE
        <br>
        <strong>Tél :</strong> 04.33.54.03.09<br>                           
        <strong>Fax :</strong> 04.11.54.29.85<br>                           
        <strong>Email :</strong> <a href="mailto:wsedrftg.tgtg.rftg@gmail.com" class="icone email">wsedrftg.tgtg.rftg@gmail.com</a><br>                                                     
        <strong>Début d'activité :</strong> 10/06/2013<br>                          
    </td>
</tr>

我正在尝试从上面的代码中提取电子邮件，电话，姓名和日期。 尽管被卡住了，但我设法获得了姓名和电子邮件地址。

我还想获取电话，日期和传真，这些似乎不在外面。

for (Element headline : newsHeadlines)
{
    Elements trs = headline.select("tr.t");
    Elements phnDiv = headline.select("tr.s td:eq(1)");

    for (int l = 0; l < trs.size(); l++)
    {
        j++;
        Elements name = trs.get(l).select("th");
        Elements emailAddress = phnDiv.get(l).select("a");
        Elements phone = phnDiv.get(l).select("strong:contains(Tél :)");
        Elements faxx = phnDiv.get(l).select("strong:contains(Fax :)");
        //Elements debutdactivite = phnDiv.get(l).select("strong:contains(Début d'activité :)");

        String contactName = name.text();
        String email = emailAddress.text();
        String tel = phone.text().replace("Tél :", "");
        String fax = faxx.text().replace("Fax :", "");
        //String date = debutdactivite.text();

        System.out.println(j + " Name : " + contactName + " Email : " + email + " Phone : " + tel + " Fax : " + fax );
    }
}

Answer 1

您应该能够使用nextSibling()方法获得这些值。 它返回一个Node因此您不必担心元素内的值。

一旦获取了所需的元素，代码将如下所示：

String tel = phone.nextSibling().toString();
String fax = faxx.nextSibling().toString();

这将在已选择的电话和传真元素旁边直接抓住节点。

Answer 2

我不认为您可以使用jsoup来直接获取所需的部件，因为它们不是Elements ...

您可以做的是获取<th> -Element的html() ，然后使用正则表达式像这样的正则表达式获取电话，传真和日期

"<.*Fax.*> (.*?)<br>"

应该像这样工作

    @Test
    public void test() {

    final Pattern p = Pattern.compile("<.*?Fax.*?> (.*?)<br>");
    final Matcher m = p.matcher("<strong>Tel :</strong> 04.11.55.29.85<br>    <strong>Fax :</strong> 04.11.55.29.85<br>");
    m.matches();
    assertEquals("04.11.54.29.85", m.group(1));

}

Answer 3

            for (Element headline : newsHeadlines) {

                Elements trs = headline.select("tr.t");
                Elements phnDiv = headline.select("tr.s td:eq(1)");

                for (int l = 0; l < trs.size(); l++) {

                    j++;
                    Elements name = trs.get(l).select("th");
                    Elements emailAddress = phnDiv.get(l).select("a");
                    Elements phone = phnDiv.get(l).select("strong:contains(Tél :)");
                    Elements faxx = phnDiv.get(l).select("strong:contains(Fax :)");
//                    Elements debutdactivite = phnDiv.get(l).select("strong:contains(Début d'activité :)");

                    for (Element nnjnj : phone) {
                        String ph = nnjnj.nextSibling().toString();


                        for (Element fxx : faxx) {
                            String fx = fxx.nextSibling().toString();

                            String contactName = name.text();
                        String email = emailAddress.text();

//                    String date = debutdactivite.text();

                        System.out.println(j + " Name : " + contactName + " Email : " + email + " Phone : " + ph + " Fax : " + fx);

                        }

                    }
                }


            }

现在，在运行此命令后，我得到了所有结果，感谢@Justin对此有所启发。