Question

我正在抓取一个网页，其中包含章节名称和文本的单独div。我需要记录哪个文本属于哪个章节。我用于抓取的方法是选择章节div标签并循环遍历所有元素。然后Text div标记并循环遍历所有文本元素。章节标签的数量少于文本。这意味着一章内可以有多个文本。如何记录章节与文字？请帮忙！

我的Jsoup代码

Elements chapInfos =doc.select("div.chapter");
for(Element chapInfo : chapInfos)
        {
            Elements tempChap= chapInfo.select("div.chapno");
            String ChapterNo = tempChap.text();
        }
        Elements Texts =doc.select("div.chapterText");
        for(Element text : Texts)
        {
            Elements tempText= text.select("div.EnglishText");
            String FinalText = tempText.text();
        }

示例网页HTML

          <div class=chapter>
        <div class=chapno>(1)</div>
        </div>

        <div class=chapterText>
        <div class=EnglishText>Some Text</div>
        </div>
        <div class=chapterText>
        <div class=EnglishText>Some Other Text</div>
        </div>

        <div class=chapter>
        <div class=chapno>(2)</div>
        </div>

Answer 1

尝试这样的事情怎么样： Elements elms =doc.select("div.chapter, div.chapterText");

这可能会给出两种类型的div的组合列表，这些div可以迭代，并且只要内部div的类从EnglishText变为chapno，就会指示新章的开头

此外，不是匹配包装器div，也许最好选择内部潜水以避免另一级匹配，如下所示： Elements elms =doc.select("div.chapter div, div.chapterText div");

Jsoup-如何在抓取时绑定两个未嵌套的div标签

1 个答案: