使用Jsoup解析HTML时间表

Question

我知道有很多关于解析HTML表的问题。然而，在做了一些研究并研究Jsoup后，我有点难过。

我有时间表

我想解析以删除<td>标记的文本，但保留它的某种格式。

只是搞乱Jsoup尝试可用的功能，并查看Cookbook和当前的API文档。由此我设法做了以下事情;

Document doc = Jsoup.connect("http://crwnmis3.staffs.ac.uk/Reporting/Individual;Student%20Sets;name;L2SE?&template=Online%20One%20Page%20Student%20Set&days=1-5&periods=5-53&width=0&height=0").get();

String title = doc.select("td").text();      
System.out.println(title);

唯一的问题是打印出一个长字符串。

我更倾向于将数据拆分为可管理的块。也许我可以做一个title.Split();？ 但是，这意味着没有讲座有时间。除非计算空白并计算时间，否则假设每个空格为15分钟。

Answer 1

我会从每次处理一行开始。所以我首先要使用像

这样的选择器，在每个工作日之后获得四分之一小时

tr td.row-label-one:contains(Tue) ~ td

如果循环数组的内容，如[＆＃34;星期一＆＃34;，＆＃34;星期二＆＃34;，...＆＃34;星期五＆＃34;]，您可以处理整周。

此css查询将为您提供该工作日的td元素兄弟。 那个兄弟姐妹是那个工作日的小时。

所以只需使用9am作为基础并计算，直到找到非空元素 喜欢＆＃34; COSE50582 / Lec / Sem2面向对象的应用工程Gillibrand D，Mansfield GD D116＆＃34;

您可以在索引4处找到此元素，因此9 +（15分钟* 4）=上午10点

注意：为简单起见，我假设所有受试者的持续时间只有4个季度，否则你可以使用colspan来计算受试者的持续时间。

Answer 2

您正在选择符合＆＃34; td＆＃34;的所有元素。并打印一大串。您可以将它们作为元素集合进行处理，并逐个迭代它们：

Document doc = Jsoup.connect("http://crwnmis3.staffs.ac.uk/Reporting/Individual;Student%20Sets;name;L2SE?&template=Online%20One%20Page%20Student%20Set&days=1-5&periods=5-53&width=0&height=0").get();
Elements titles = doc.getElementsByTag("td");      
for(Element e : titles) {
    System.out.println(e.text());
}