[英]Getting text outside element but next to Elements using jsoup
<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 );
}
}
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。
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));
}
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。
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.