使用HTMLUnit和XPath获取span元素列表的内容

Question

我想从HTML文档中获取值列表。我正在使用HTMLUnit。

类主题有很多span元素。我想提取span标签中的内容：

<span class="topic">
  <a href="http://website.com/page/2342" class="id-24223 topic-link J_onClick topic-info-hover">Lean Startup</a>
 </span>

我的代码如下所示：

    List<?> topics = (List)page.getByXPath("//span[@class='topic']/text()");

然而，每当我尝试迭代列表时，我都会得到NoSuchElementException。谁能看到一个明显的错误？此外，我们还将欣赏指向优秀教程的链接。

Answer 1

如果您知道自己总是有<a>，那么只需将其添加到XPath，然后从text()获取a。

如果你真的不知道你是否总有a，那么我建议你使用所有.asText()及其HtmlElement的{​​{1}}方法后代有。

首先得到每个跨度：

List<?> topics = (List)page.getByXPath("//span[@class='topic']");

然后，在循环中，获取每个跨度内的文本：

topic.asText();

Answer 2

text()只会从该元素中提取文本，而您提供的示例中没有文本组件，只有子元素。

请改为尝试：

List<?> topics = (List)page.getByXPath("//span[@class='topic']");