Jsoup - 从 Java 表中解析数据

Question

我正在尝试制作一个解析器来获取出现的最新 SQL 版本（仅限构建版本）。 他收到一个错误，以及他不需要的附加文本。 我究竟做错了什么？

Document doc = Jsoup.connect("https://buildnumbers.wordpress.com/sqlserver/").get();
Elements trs = doc.select("tr");

//remove header row
trs.remove(0);

for (Element tr : trs) {
            Elements tds = tr.getElementsByTag("td");
            Element td = tds.last();
            System.out.println(td.text());
}

Answer 1

您需要使用String::substring在每个文本的末尾去掉(...) 。 此外，您在程序中的任何地方都错过了null检查。

请按以下步骤操作：

import java.io.IOException;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class Main {
    public static void main(String[] args) throws IOException {
        Document doc = Jsoup.connect("https://buildnumbers.wordpress.com/sqlserver/").get();
        Elements trs = doc.select("tr");

        // remove header row
        trs.remove(0);

        String text;
        int i;
        for (Element tr : trs) {
            Elements tds = tr.getElementsByTag("td");
            Element td;
            if (tds != null) {
                td = tds.last();
                if (td != null) {
                    text = td.text();
                    if (text != null) {
                        i = text.indexOf("(");
                        if (i != -1) {
                            System.out.println(text.substring(0, i).trim());
                        }
                    }
                }
            }
        }
    }
}

输出：

15.0.4013.40
14.0.3281.6
13.0.5698.0
...
...
...
SSMS 16.4
SSMS 16.3

Answer 2

附加文本

您的问题与 Jsoup 无关。 它提取的值与表格单元格中的值完全一样，并且无法再为您提供帮助。 您现在可以尝试使用子字符串删除您不想要的文本，因此请替换该行

System.out.println(td.text());

使用此代码：

String text = td.text();
if (text.contains("(")) {
    text = text.substring(0, text.indexOf("(")-1);
}
System.out.println(text);

它将只保留(字符。

空指针异常

您正在解析的页面包含许多表格。 您执行doc.select("tr")这意味着您的trs变量包含此页面上每个表的每个tr 。 当您的代码遇到标题行不包含任何td第二个表时会发生异常，因为它看起来像这样：

<tr>
   <th style="padding:4px;background-color:#f0f0f0;width:10%;">SQL Server</th>
   <th style="padding:4px;background-color:#f0f0f0;width:10%;">Analysis Services</th>
   <th style="padding:4px;background-color:#f0f0f0;width:65%;">Description</th>
   <th style="padding:4px;background-color:#f0f0f0;width:15%;">Release Date</th>
</tr>

解决方案是将选择限制为仅第一个表，因此替换行：

Elements trs = doc.select("tr");

和

Element firstTable = doc.select("table").first();
Elements trs = firstTable.select("tr");