使用JSoup解析HTML

Question

我想解析出这个Nasa页面上的描述，页面底部的文字

我该怎么做？

Answer 1

首先，您需要连接到页面并将其解析为文档（使您导入Jsoup文档），然后可以使用选择器API来选择所需的任何内容。

下面是一个例子：

// 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
    }
}

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

你可以用类似这样的东西来代替循环:

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

这将为您提供 dd 标签之后的第一个 p 标签。但在这里它不起作用，因为有许多空的p标签匹配它。但是，您可以使用正则表达式选择器（请参阅上面的链接）来解决此问题，但是对于第一个循环，循环更容易理解。