Question

我有一个要求，我必须在每个表格之前提取段落以及表格内容形成一个网站。

我能够轻松地使用jsoup提取表数据，但无法提取在表之前发生的段落。我试过以下事情： -

1. doc.select("p") but its giving extra values because some text in table columns are also in <p> tag.
2. getElementsByTag  but no luck.

样本表：

<p>
<a id="table heading" name="table name"></a>
<b>Sports equipments</b>
</p>
 <table width="98%" cellpadding="0" border="1">
 <tbody>
 <tr valign="top" bgcolor="#ffffcc" align="left">
<th width="25%" scope="col">Company</th>
<th width="25%" scope="col">Product</th>
<th width="20%" scope="col">Availability</th>
<th width="55%" scope="col">Related Information</th>
 <th width="20%" scope="col">
</tr>
<tr>
<td width="18%" valign="top" rowspan="2">
<div>
Nike
<br>
1-800-545-8800
<br>
<br>
<br>
</div>
</td>
<td width="10%" valign="top">
<div>sports kit</div>
</td>
<td width="15%" valign="top" rowspan="2">
<div>Available</div>
</td>
<td width="24%" valign="top" rowspan="2">
<div>Product is available and shipping.</div>
</td>
<td width="16%" valign="top" rowspan="2">Demand increase.</td>
<td width="12%" valign="top" rowspan="2">
<div>
<div>3/26/2014</div>
</td>
</tr>
</table>

我必须提取：

<b>Sports equipments</b>

以及表格内容

Answer 1

您可以将选择器扩展为："p > b"。

由于我没有你的完整HTML，很难说它是否可以在那里工作，但是你的例子确实如此：

    final String html = ... // the html of your example
    Document doc = Jsoup.parse(html);

    /*
     * Selects b-tags, that are direct childs of p-tags.
     */
    for( Element element : doc.select("p > b") )
    {
        System.out.println(element);
    }

打印：

<b>Sports equipments</b>

Answer 2

Document doc = Jsoup.connect(html).get();
Elements table = doc.select("table”);
for (int i = 0; i < table.size(); i++) {
  Element tablevalue = table.get(i);
  Element para = tablevalue.previousElementSibling();
  System.out.println(para.text());
}

使用jsoup在每个html表之前提取段落

2 个答案: