如何使用Jsoup從嵌套表中的特定行提取文本

Question

我正在使用Jsoup從網站提取文本，但是我不知道如何正確地獲取嵌套表中的特定數據行。 我需要在表示“ 屬性地址：”和“ 郵寄地址：”的部分之后獲取純文本，以便我可以存儲數據。

這是我正在解析的HTML源代碼：

<table width="730" border="0" cellspacing="0" cellpadding="2">
  <tr> 
    <td><table width="730" border="0" cellspacing="0" cellpadding="2">
      <tr> 
        <td><h1>Property Information</h1>
          <table width="758">
            <tr>[IRRELEVANT]</tr>
            <tr>[IRRELEVANT]</tr>
            <tr>
              <td colspan="3"><strong>Property Address:</strong>&nbsp;!!THIS PLAIN TEXT HERE IS WHAT I NEED!! DATA1</td>
              <td>&nbsp;</td>
              </tr>
            <tr>
              <td colspan="3"><strong>Mailing Address:</strong>!!NEED THIS TOO!! DATA2</td>
              <td>&nbsp;</td>
              </tr>
            <tr>[IRRELEVANT]</tr>...................

我當時使用它作為模板，但是它不起作用，我也不知道如何使它起作用。

Document documentSerialNumberPageData = Jsoup.connect(stringURLOfSerialNumberPage).get();   //connect to serial number page
Elements elementsSerialNumberPageData = documentSerialNumberPageData.select("#tabletext tbody > tr > td > tbody > tr > td > tbody > tr > td");  //this is not even remotely correct... :(
Element elementAddress = elementsSerialNumberPageData.get(0);
System.out.println(elementAddress.text());

我對HTML / CSS的了解非常有限，但是我精通Java。 有什么建議么？ 謝謝！ 全文在這里： https : //github.com/PhotonPhighter/NODScraper/blob/master/src/nodscraper/Main.java

Answer 1

您可以嘗試以下方法：

Elements innerTable = documentSerialNumberPageData.select("body > table:nth-child(2) > tbody > tr > td > table > tbody > tr > td > table:nth-child(2)");
String propertyAddress = ((org.jsoup.nodes.TextNode)innerTable.select("tr:nth-child(3) > td > strong").first().nextSibling()).text();
String mailingAddress = ((org.jsoup.nodes.TextNode)innerTable.select("tr:nth-child(4) > td > strong").first().nextSibling()).text();

首先，選擇table ，然后在第三個tr的第一個td中選擇strong標簽，然后選擇該標簽的下一個同級，然后將text()放入其中。 我們對第四tr做同樣的事情。

JSoup將使用text()轉換  放入空格，如果您不願意，也可以調用toString() 。

希望對您有所幫助。

PS：我可以建議一個把戲嗎？ 您可以使用Chrome或Firefox的開發人員工具在html頁面中找到標簽，然后右鍵單擊並Copy CSS Path 。 這將為您提供可在JSoup中使用的選擇器！