jsoup - 使用 JSoup 解析 HTML

Question

我想解析出这个Nasa 页面上的描述，页面底部的文本

我怎样才能做到这一点？

Answer 1

首先，您需要连接到页面并将其解析为一个Document（确保您导入 Jsoup 的），然后您可以使用Selector API来选择您需要的任何内容。

这是一个例子：

// Connect to page and parse html into a 'Document'
Document doc = Jsoup.connect("http://photojournal.jpl.nasa.gov/catalog/PIA16465").get();


for( Element element : doc.select("p") )    // Select all 'p'-Tags and loop over them
{
    if( element.hasText() )                 // Check if the element has text (since there are some empty too)
    {
        System.out.println(element.text()); // print the element's text
    }
}

---

- 编辑 -

for( Element element : doc.select("dd p") ) // Or: "dd > p"
{
    if( element.hasText() )
    {
        System.out.println(element.text());
        break;
    }
}

而不是循环，你可以使用这样的东西：

Element firstTag = doc.select("dd p").first();

这将为您提供 dd-Tag 之后的第一个 p-Tag。但是在这里它不起作用，因为有很多空的 p-tags 匹配它。但是，您可以使用正则表达式选择器（参见上面的链接）来解决这个问题，但首先循环更容易理解。