Question

我正在尝试解析http://www.craigslist.org/about/sites以构建一组文本/链接，以使用此信息动态加载程序。到目前为止，我已经这样做了：

Document doc = Jsoup.connect("http://www.craigslist.org/about/sites").get();
Elements elms = doc.select("div.colmask"); // gets 7 countries

在此标记下方，我想要获得doc.select("div.state_delimiter,ul")个标记。我设置了我的迭代器并进行了一段时间的查看并调用iterator.next().outerHtml();。我看到每个国家的所有标签。

如何逐步浏览每个div.state_delimiter，然后将文字拉下来直到有一个</ul>定义各个州/城市链接/文本的状态结束？

我正在玩这个并且可以通过将outerHtml()设置为String然后手动解析字符串来实现，但我确信有更简单的方法可以做到这一点。我已经尝试text()并尝试了attr("div.state_delimiter")，但我认为我正在弄乱模式/例程以正确执行此操作。想知道是否有人可以帮助我，并告诉我如何将div.state_delimiter放入文本字段然后<ul><li></li></ul>我希望每个州<li></li>下的所有<ul></ul> 。想抓住http：//＆amp;＆amp; html与它一起尽可能简单。

Answer 1

包含城市的<ul>是<div class="state_delimiter">的下一个兄弟。您可以使用Element#nextElementSibling()从该div中获取它。这是一个启动示例：

Document document = Jsoup.connect("http://www.craigslist.org/about/sites").get();
Elements countries = document.select("div.colmask");

for (Element country : countries) {
    System.out.println("Country: " + country.select("h1.continent_header").text());
    Elements states = country.select("div.state_delimiter");

    for (Element state : states) {
        System.out.println("\tState: " + state.text());
        Elements cities = state.nextElementSibling().select("li");

        for (Element city : cities) {
            System.out.println("\t\tCity: " + city.text());
        }
    }
}

doc.select("div.state_delimiter,ul")没有做你想要的。它会返回文档的所有 <div class="state_delimiter"> 和 <ul>元素。如果您已经有了HTML解析器，那么通过字符串函数手动解析它是没有意义的。

如何使用JSoup解析HTML文档以获取链接列表？

1 个答案: