有人知道 xPath 到 JSoup 的转换器吗？我从 Chrome 获得以下 xPath：
//*[@id="docs"]/div[1]/h4/a
并想将其更改为 Jsoup 查询。该路径包含我试图引用的 href。
问问题
30576 次
7 回答
16
我使用的是Google Chrome 版本 47.0.2526.73 m（64 位），我现在可以直接复制与JSoup
截图中元素的复制选择器span.com是
#question > table > tbody > tr:nth-child(1) > td.postcell > div > div.post-text > pre > code > span.com
于 2015-12-08T12:41:32.640 回答
15
这很容易手动转换。
像这样的东西（未测试）
document.select("#docs > div:eq(1) > h4 > a").attr("href");
文档：
http://jsoup.org/cookbook/extracting-data/selector-syntax
评论中的相关问题
尝试在此处获取第一个结果的 href：cbssports.com/info/search#q=fantasy%20tom%20brady
代码
Elements select = Jsoup.connect("http://solr.cbssports.com/solr/select/?q=fantasy%20tom%20brady")
.get()
.select("response > result > doc > str[name=url]");
for (Element element : select) {
System.out.println(element.html());
}
结果
http://fantasynews.cbssports.com/fantasyfootball/players/playerpage/187741/tom-brady
http://www.cbssports.com/nfl/players/playerpage/187741/tom-brady
http://fantasynews.cbssports.com/fantasycollegefootball/players/playerpage/1825265/brady-lisoski
http://fantasynews.cbssports.com/fantasycollegefootball/players/playerpage/1766777/blake-brady
http://fantasynews.cbssports.com/fantasycollegefootball/players/playerpage/1851211/brady-foltz
http://fantasynews.cbssports.com/fantasycollegefootball/players/playerpage/1860955/brady-earnhardt
http://fantasynews.cbssports.com/fantasycollegefootball/players/playerpage/1673397/brady-amack
开发者控制台的屏幕截图 - 抓取网址
于 2013-05-03T11:08:04.423 回答
4
您不一定需要将 Xpath 转换为 JSoup 特定的选择器。
相反，您可以使用基于 JSoup 并支持 Xpath 的 XSoup。
https://github.com/code4craft/xsoup
这是使用文档中的 XSoup 的示例。
@Test
public void testSelect() {
String html = "<html><div><a href='https://github.com'>github.com</a></div>" +
"<table><tr><td>a</td><td>b</td></tr></table></html>";
Document document = Jsoup.parse(html);
String result = Xsoup.compile("//a/@href").evaluate(document).get();
Assert.assertEquals("https://github.com", result);
List<String> list = Xsoup.compile("//tr/td/text()").evaluate(document).list();
Assert.assertEquals("a", list.get(0));
Assert.assertEquals("b", list.get(1));
}
于 2017-11-17T09:59:34.223 回答
2
我已经测试了以下 XPath 和 Jsoup，它可以工作。
示例 1：
[XPath]
//*[@id="docs"]/div[1]/h4/a
[JS汤]
document.select("#docs > div > h4 > a").attr("href");
示例 2：
[XPath]
//*[@id="action-bar-container"]/div/div[2]/a[2]
[JS汤]
document.select("#action-bar-container > div > div:eq(1) > a:eq(1)").attr("href");
于 2014-12-06T15:56:33.307 回答
2
这是使用 Xsoup 和 Jsoup 的独立代码片段：
import java.util.List;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import us.codecraft.xsoup.Xsoup;
public class TestXsoup {
public static void main(String[] args){
String html = "<html><div><a href='https://github.com'>github.com</a></div>" +
"<table><tr><td>a</td><td>b</td></tr></table></html>";
Document document = Jsoup.parse(html);
List<String> filasFiltradas = Xsoup.compile("//tr/td/text()").evaluate(document).list();
System.out.println(filasFiltradas);
}
}
输出：
[a, b]
图书馆包括：
xsoup-0.3.1.jar jsoup-1.103.jar
于 2017-07-19T10:04:55.720 回答
0
取决于你想要什么。
Document doc = JSoup.parse(googleURL);
doc.select("cite") //to get all the cite elements in the page
doc.select("li > cite") //to get all the <cites>'s that only exist under the <li>'s
doc.select("li.g cite") //to only get the <cite> tags under <li class=g> tags
public static void main(String[] args) throws IOException {
String html = getHTML();
Document doc = Jsoup.parse(html);
Elements elems = doc.select("li.g > cite");
for(Element elem: elems){
System.out.println(elem.toString());
}
}
于 2014-02-16T00:52:56.287 回答
0
尽管这个问题已经很老了，但我只想提一下，最新的 Jsoup 版本具有一些 Beta 功能，例如这个问题中要求的功能。
1.14.3版添加了本机 XPath 选择器。自己看：https ://jsoup.org/news/release-1.14.3
现在您可以使用 Jsoup 原生方法：
File downloadedPage = new File("/path/to/your/page.html");
String xPathSelector = "//*[@id="docs"]/div[1]/h4/a";
Document document = Jsoup.parse(downloadedPage, "UTF-8");
Elements elements = document.selectXpath(xPathSelector);
您可以遍历elements返回的！
于 2021-11-08T23:06:45.093 回答