假设我使用JSoup
解析以下代码
<body>
<div id="myDiv" class="simple" >
<p>
<img class="alignleft" src="myimage.jpg" alt="myimage" />
I just passed out of UC Berkeley
</p>
</div>
</body>
&#13;
问题是,只给出一个关键字&#34; Berkeley&#34;,在html中有更好的方法来查找元素/ XPath(或者它的列表,如果存在多次出现的关键字) ,将此关键字作为其文本的一部分。
我不能事先看到html,只能在运行时使用。
我当前的实现 - 使用Java-Jsoup,遍历body的子节点,并获得&#34; ownText&#34;和每个孩子的文本,然后深入到他们的孩子,以缩小html元素。我觉得这很慢。
答案 0 :(得分:1)
不优雅但简单的方式可能如下:
import java.util.HashSet;
import java.util.Set;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Element;
import org.jsoup.parser.Tag;
import org.jsoup.select.Elements;
public class JsoupTest {
public static void main(String argv[]) {
String html = "<body> \n" +
" <div id=\"myDiv\" class=\"simple\" >\n" +
" <p>\n" +
" <img class=\"alignleft\" src=\"myimage.jpg\" alt=\"myimage\" />\n" +
" I just passed out of UC Berkeley\n" +
" </p>\n" +
" <ol>\n" +
" <li>Berkeley</li>\n" +
" <li>Berkeley</li>\n" +
" </ol>\n" +
" </div> \n" +
"</body>";
Elements eles = Jsoup.parse(html).getAllElements(); // get all elements which apear in your html
Set<String> set = new HashSet<>();
for(Element e : eles){
Tag t = e.tag();
set.add(t.getName()); // put the tag name in a set or list
}
set.remove("head"); set.remove("html"); set.remove("body"); set.remove("#root"); set.remove("img"); //remove some unimportant tags
for(String s : set){
System.out.println(s);
if(!Jsoup.parse(html).select(s+":contains(Berkeley)").isEmpty()){ // check if the tag contains your key word
System.out.println(Jsoup.parse(html).select(s+":contains(Berkeley)").get(0).toString());} // print it out or do something else
System.out.println("---------------------");
System.out.println();
}
}
}
答案 1 :(得分:0)
试试这个xpath:
表示带class
的第一个元素:
'//*[contains(normalize-space(), "Berkeley")]/ancestor::*[@class]'
表示带id
的第一个元素:
'//*[contains(normalize-space(), "Berkeley")]/ancestor::*[@id]'