Question

我在获取带有汽车广告的网站时遇到问题。我想从中获得广告客户的名字。主要问题是有时该名称以不同的方式显示。

1）名称为 Kajetan

（https://www.otomoto.pl/oferta/mercedes-benz-klasa-e-w211-bardzo-dobry-stan-bez-wkladu-finansowego-warszawa-ryki-ID6BEBy9.html#2bd424144f）

   <div class="seller-box__seller-info">
    <small class="seller-box__seller-registration">Sprzedający na OTOMOTO od 2015</small>
    <small class="seller-box__seller-type">Osoba prywatna</small>
    <h2 class="seller-box__seller-name"> Kajetan </h2>
   </div>

2）名称为 AS MOTORS CentrumPojazdówUżywanychKIA

（https://www.otomoto.pl/oferta/kia-ceed-1-6-crdi-136-km-m-bws-fvat-salon-serwis-polska-ID6BHFu3.html#2bd424144f）

<div class="seller-box__seller-info">
 <small class="seller-box__seller-registration">Sprzedający na OTOMOTO od 2019</small>
 <small class="seller-box__seller-type">Dealer</small>
   <h2 class="seller-box__seller-name">
   <div class="seller-badge"> <img src="xx.jpg" data-toggle="tooltip" data-placement="bottom" title="" data-original-title="Ten dealer korzysta z pakietu usług Premium Plus" class="">
   </div>
    <a href="https://asmotorsuzywane.otomoto.pl" title="AS MOTORS Centrum Pojazdów Używanych KIA">AS MOTORS Centrum Pojazdów Używanych KIA</a>
    </h2>
</div>

在第一种情况下，解决方案很容易，因为我会这样做：

public static String fetchOwnerName (String html) {
        Elements ownerElement = Jsoup.parse(html).getElementsByClass("seller-box__seller-info").select("h2");
        String owner = StringUtils.substringBetween(String.valueOf(ownerElement), "\">", "</h2>");
        return owner;
    }

但是在第二种情况下，问题是在<h2>之后还有另外的<div>，而且，广告客户的名称在<a href=""之间。

如何将fetchOwnerName方法更改为通用方法？我正在使用JSOUP库来解析HTML页面。感谢您的所有建议。

Answer 1

您可以在h2标签内获取文本，而不必担心其他标签i.e div a

您只需致电.text()

Elements ownerElement = Jsoup.parse(html).getElementsByClass("seller-box__seller-info").select("h2");
 String owner = ownerElement.text();

如果在h2标签之间没有除广告商名称之外的其他文字，则此方法有效

JSoup |提取部分HTML

1 个答案: