JSoup解析HTML問題

Question

我正在嘗試使用JSoup來解析一些看起來大致如下的html：

<div class="mod qmy_text withanno">
    <ul class="yfncnhl mytext"></ul>
    <h3>
        <span>Monday, August 12, 1999</span>
    </h3>
    <ul>
        <li><a href="some_link_here">Title of My Article</a><cite>News
                Source<span>(&nbsp;(Sun, Aug 12)</span>
        </cite></li>
    </ul>

我的問題是，如何解析HTML，以便僅返回<cite> -8月12日，星期日。

截至目前，我只能使用以下表達式輸出h3之后的日期

Elements links = doc.select("div[class=mod qmy_text withanno] > h3");
    System.out.println(links.text());

Answer 1

讓您格式化HTML，使其僅包含要查找的元素的路徑。 看起來像

<div class="mod qmy_text withanno">
    ...
    <ul>
        <li>
            ...
            <cite>News Source
                 <span>(&nbsp;(Sun, Aug 12)</span>
            </cite>
        </li>
    </ul>

因此，您的選擇可能看起來像div.mod.qmy_text.withanno > ul > li > cite > span 。 所以像這樣的代碼

Elements span = doc.select("div.mod.qmy_text.withanno > ul > li > cite > span");
String spanText = span.text();

我們的spanText將包含( (Sun, Aug 12) 。

如果您只想獲得last ( and last )之間的一部分來獲取Sun, Aug 12您可以使用

String date = spanText.substring(spanText.lastIndexOf('(')+1, spanText.lastIndexOf(')'));