[英]How do I parse an HTML document with JSoup to get a list of links?
我正在尝试解析http://www.craigslist.org/about/sites来构建一组文本/链接,以便使用此信息动态加载程序。 到目前为止,我已经这样做了:
Document doc = Jsoup.connect("http://www.craigslist.org/about/sites").get();
Elements elms = doc.select("div.colmask"); // gets 7 countries
在这个标签下面有我想要的doc.select("div.state_delimiter,ul")
标签。 我设置了我的迭代器并进行了一段时间的查看并调用了iterator.next().outerHtml();
。 我看到每个国家的所有标签。
如何逐步浏览每个div.state_delimiter
,拉出该文本然后向下直到有</ul>
定义各个县/城市链接/文本的状态结束?
我正在玩这个并且可以通过将outerHtml()
设置为String
然后手动解析字符串来完成它,但我确信有一种更简单的方法可以做到这一点。 我尝试了text()
并尝试了attr("div.state_delimiter")
,但我认为我正在弄乱模式/例程以正确地执行此操作。 想知道是否有人可以帮助我,并告诉我如何将div.state_delimiter放入文本字段然后<ul><li></li></ul>
我想要所有<li></li>
每个州的<ul></ul>
下。 希望尽可能简单地抓取http:// && html。
包含城市的<ul>
是<div class="state_delimiter">
的下一个兄弟。 您可以使用Element#nextElementSibling()
从该div中获取它。 这是一个启动示例:
Document document = Jsoup.connect("http://www.craigslist.org/about/sites").get();
Elements countries = document.select("div.colmask");
for (Element country : countries) {
System.out.println("Country: " + country.select("h1.continent_header").text());
Elements states = country.select("div.state_delimiter");
for (Element state : states) {
System.out.println("\tState: " + state.text());
Elements cities = state.nextElementSibling().select("li");
for (Element city : cities) {
System.out.println("\t\tCity: " + city.text());
}
}
}
doc.select("div.state_delimiter,ul")
没有做你想要的。 它返回文档的所有 <div class="state_delimiter">
和 <ul>
元素。 如果您已经掌握了HTML解析器,那么通过字符串函数手动解析它是没有意义的。
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.