Question

所以，我一直在使用jSoup来解析网站上的一些metaData，效果很好。问题是我需要的一些重要元数据不在任何标签内，我不知道如何获得它。

以下是我需要从我的网址获取的数据示例：

<div class="newclass ">
        <div>
            <p>     
                    <strong>Arist:</strong>&nbsp;Picasso Biggie <em>|</em>
                    <strong>Released:</strong>&nbsp;3 years ago <em>|</em>
                    <strong>Album:</strong>&nbsp;Picasso Biggie: The Big OneUp <em>|</em>                       
                    <strong>Producer:</strong>&nbsp;Various <em>|</em>                      
                    <strong>Featuring:</strong>&nbsp;Mount Kimbie <em>|</em>                                        
            </p>
        </div>
</div>

我在html中寻找的是艺术家“Picasso Biggie”，它是“3年前”发行的那一年，以及专辑“Picasso Biggie：The Big OneUp”等...... 我已经研究过使用带有jSoup的节点，但我只能找到一些例子，并且无法弄清楚如何让jSoup去做我正在寻找的东西。

这是我尝试过的代码，它什么都不返回：

Document doc = Jsoup.connect(URL).get;
Elements dakss1 = doc.select(".newclass ");
for(Element dakss : rayz1) { 
     TextNode quill = (TextNode) rayz1.nextSibling().childNode(0);
     System.out.println("" + quill);
}

更新： Shaowei Ling的答案非常适合在标签之外获取所有文字，但我想知道是否有办法只指定特定节点，所以我可以只得到具体的话。例如，而不是

    Picasso Biggie
    3 years ago
    Picasso Biggie: The Big OneUp
    Various
    Mount Kimbie

我只得到：

3 years ago

如果我需要的只是专辑发行的那一年？

更新＃2： 好的，为了解决我的第二个问题，即我使用与上面相同的HTML结构解析多个项目，我只是继续在jSoup的选择器查询中包含我想要的特定元素。所以，例如，如果我想获得Picasso Biggies专辑的所有发行日期。这是我使用的代码：

    Document doc = Jsoup.connect(URL).get;
    Elements dakss1 = doc.select(".newclass p strong:contains(Released) ");
    for(Element dakss : dakss1) { 
         Node nodeWithReleaseDates =(Node) dakss.nextSibling();;
         System.out.println("" + nodeWithReleaseDates);
    }

这继续并且返回了毕加索Biggie各种专辑所需的所有发行日期，如下所示：

3 years ago
2 years ago 
7 months ago
1 month ago

Answer 1

在您的问题中，有一个未定义的变量rayz1。

示例代码可以帮助您。我已经运行它，它有效。

    String html = 
            "<div class=\"newclass \">\n"
            + "        <div>\n"
            + "            <p>     \n"
            + "                    <strong>Arist:</strong>&nbsp;Picasso Biggie <em>|</em>\n"
            + "                    <strong>Released:</strong>&nbsp;3 years ago <em>|</em>\n"
            + "                    <strong>Album:</strong>&nbsp;Picasso Biggie: The Big OneUp <em>|</em>                       \n"
            + "                    <strong>Producer:</strong>&nbsp;Various <em>|</em>                      \n"
            + "                    <strong>Featuring:</strong>&nbsp;Mount Kimbie <em>|</em>                                        \n"
            + "            </p>\n"
            + "        </div>\n"
            + "</div>";
    Document doc = Jsoup.parse(html);
    Elements dakss1 = doc.select("div p strong");
    for (Node dakss : dakss1) {
        System.out.println(dakss.nextSibling().toString().replace("&nbsp;", "").trim());
    }

结果将是：

    Picasso Biggie
    3 years ago
    Picasso Biggie: The Big OneUp
    Various
    Mount Kimbie

JSOUP使用节点获取HTML标记之外的特定文本

1 个答案: