jsoup标签提取问题

Question

测试：示例
test1：example1

  Elements size = doc.select("div:contains(test:)"); 

我如何从这个html标记中提取值example和example1。...使用jsoup ..

Answer 1

由于此HTML的语义不足以实现您的最终目的（ <br>不能有子对象，而:不是HTML），因此您无法使用Jsoup之类的HTML解析器做很多事情。 HTML解析器无意执行特定的文本提取/标记化工作。

最好的办法是使用Jsoup获取<div>的HTML内容，然后使用常规的java.lang.String或java.util.Scanner方法进一步提取该内容。

这是一个启动示例：

String html = "<div style=\"height:240px;\"><br>test: example<br>test1:example1</div>";
Document document = Jsoup.parse(html);
Element div = document.select("div[style=height:240px;]").first();

String[] parts = div.html().split("<br />"); // Jsoup transforms <br> to <br />.
for (String part : parts) {
    int colon = part.indexOf(':');
    if (colon > -1) {
        System.out.println(part.substring(colon + 1).trim());
    }
}

这导致

example
example1

---

如果我是HTML作者，那么我将为此使用定义列表 。 例如

<dl id="mydl">
     <dt>test:</dt><dd>example</dd>
     <dt>test1:</dt><dd>example1</dd>
</dl>

这更具语义，因此更易于解析：

String html = "<dl id=\"mydl\"><dt>test:</dt><dd>example</dd><dt>test1:</dt><dd>example1</dd></dl>";
Document document = Jsoup.parse(html);
Elements dts = document.select("#mydl dd");
for (Element dt : dts) {
    System.out.println(dt.text());
}