Question

我的要求是保留每个标题h1之后的第一个div元素并删除所有其他div元素

   <html>
    <head> ...</head>
   <body> 
     <div id="content">
       <div> <span> data.....</span> </div>

      <h1 id="head1">Customers </h1>
      <div class="abc"> 
          <table> <tr><td> Customer data</td>.  </tr></table>
       </div>
      <div class="abc"> extra div </div>
      <div class="abc"> one more extra div </div>

      <h1 id="head2">Orders</h1>
      <div class="abc"> 
         <table> 
            <tr><td> Orders data</td></tr>
        </table>
      </div>
     <div class="abc">extra div </div>
     <div class="abc">one more extra div </div>

      <h1 id="head3">Expenditures </h1>
       <div class="abc"> an extra div</div>
       <div class="abc"> one more extra div </div>

    <h1 id="head4"> Depositors </h1>
    <div class="abc"> an extra div </div>
    <div class="abc">an one more extra div </div>

     </div>
    </body>
    </html>

如何实现这一目标？

Mycode :(已修改）

 Elements contElements = document.select("content");
 for(Element e :  contElements) {
    if(e.tagName().equals("h1") &&  (!e.attr("id").equals("hd1") &&    !e.attr("id").equals("hd2")){
        //remove h1 element with other id and all  div's after this h1 element
    }
    else {
          //keep h1 elemwnt and the first div comes after h1 and   remove all other divs comes after this h1
    }

如何在上面的代码段中填写以下建议的答案

我的预期输出：

  <html>
   <head>  </head>
   <body>
    <div ID="content">
   <div> <span> data.....</span> </div>

    <h1 id="head1">Customers </h1>
    <div class="abc"> 
          <table> <tr><td> Customer data</td>.  </tr></table>
     </div>

      <h1 id="head2">Orders</h1>
      <div class="abc"> 
         <table> 
            <tr><td> Orders data</td></tr>
        </table>
      </div>

        </div>
   </body>
   </html>

Answer 1

您可以使用伪选择器:gt(n):

过滤比第一个更多的div

所以你的选择器看起来像

Elements elements = document.select("h1 ~ div:gt(1)");

Answer 2

您的方法的错误是它选择了h1之后的所有div元素。见here

您可以使用Elements elements = document.select("#content div:not(h1+div)");

这将删除#content中的所有div，它们之前没有h1元素。

Answer 3

您可以检查以前的兄弟姐妹姓名是否为h1，如果不是，则将其删除？

Elements elements = document.select("h1 ~ div");

for (Element element : elements) {
    if (!element.previousSibling().nodeName().equals("h1")) {
        element.remove();
    }
}

删除除jsoup中h1标记之后的div之外的所有div元素

3 个答案: