问题：
使用java和jsoup从html标记中提取值
艾安和
我有这个html
<html><head><title>Alfresco Content Repository</title><style>body { font-family: Arial, Helvetica; font-size: 12pt; background-color: white; }
table { font-family: Arial, Helvetica; font-size: 12pt; background-color: white; }
.listingTable { border: solid black 1px; }
.textCommand { font-family: verdana; font-size: 10pt; }
.textLocation { font-family: verdana; font-size: 11pt; font-weight: bold; color: #2a568f; }
.textData { font-family: verdana; font-size: 10pt; }
.tableHeading { font-family: verdana; font-size: 10pt; font-weight: bold; color: white; background-color: #2a568f; }
.rowOdd { background-color: #eeeeee; }
.rowEven { background-color: #dddddd; }
</style></head>
<body>
<table cellspacing='2' cellpadding='3' border='0' width='100%'>
<tr><td colspan='4' class='textLocation'>Directory listing for /rep</td></tr>
<tr><td height='10' colspan='4'></td></tr></table><table cellspacing='2' cellpadding='3' border='0' width='100%' class='listingTable'>
<tr><td class='tableHeading' width='*'>Name</td><td class='tableHeading' width='10%'>Size</td><td class='tableHeading' width='20%'>Type</td><td class='tableHeading' width='25%'>Modified Date</td></tr>
<tr class='rowOdd'><td class='textData'><a href="/alfresco/webdav/rep/ED">ED</a></td><td class='textData'> </td><td class='textData'> </td><td class='textData'>Thu, 05 Jan 2017 11:11:14 GMT</td></tr>
<tr class='rowEven'><td class='textData'><a href="/alfresco/webdav/rep/FLOW%20CHART">FLOW CHART</a></td><td class='textData'> </td><td class='textData'> </td><td class='textData'>Thu, 27 Jun 2013 13:30:18 GMT</td></tr>
<tr class='rowOdd'><td class='textData'><a href="/alfresco/webdav/rep/file">file</a></td><td class='textData'> </td><td class='textData'> </td><td class='textData'>Wed, 10 Nov 2021 13:16:49 GMT</td></tr>
</table></body></html>并且，我试图得到每个标签的href。
例如，
<table cellspacing='2' cellpadding='3' border='0' width='100%'>
<tr><td colspan='4' class='textLocation'>Directory listing for /rep</td></tr>
<tr><td height='10' colspan='4'></td></tr></table><table cellspacing='2' cellpadding='3' border='0' width='100%' class='listingTable'>
<tr><td class='tableHeading' width='*'>Name</td><td class='tableHeading' width='10%'>Size</td><td class='tableHeading' width='20%'>Type</td><td class='tableHeading' width='25%'>Modified Date</td></tr>
<tr class='rowOdd'><td class='textData'><a href="/alfresco/webdav/rep/ED">ED</a></td><td class='textData'> </td><td class='textData'> </td><td class='textData'>Thu, 05 Jan 2017 11:11:14 GMT</td></tr>共有1个答案
吕成业
首先，您需要解析html，它是要文档的字符串。
final Document document = Jsoup.parse(html);
然后需要选择所有tr标记，其中包含标记。
final Elements trElements = document.select("tr:has(a)");
之后，您需要浏览找到的每个tr标记：
for (final Element trElement : trElements) {
//Do stuff
}
final Element aElement = trElement.select("a").first();
final String href = aElement.attr("href");
final String name = aElement.text();
对于date，需要从tr标记中检索第四个td标记：
final Element dateTdElement = trElement.select("td").get(3);
只需检索值文本即可获得日期内容：
final String date = dateTdElement.text();
注意：方法select()接受css查询。所有css查询都是有效的，使用扩展的语法，如':hav()'和其他部分。有关更多细节，请参见Jsoup文档。
public static void main(final String[] args) {
final String html = "<html><head><title>Alfresco Content Repository</title><style>body { font-family: Arial, Helvetica; font-size: 12pt; background-color: white; }\n" +
"table { font-family: Arial, Helvetica; font-size: 12pt; background-color: white; }\n" +
".listingTable { border: solid black 1px; }\n" +
".textCommand { font-family: verdana; font-size: 10pt; }\n" +
".textLocation { font-family: verdana; font-size: 11pt; font-weight: bold; color: #2a568f; }\n" +
".textData { font-family: verdana; font-size: 10pt; }\n" +
".tableHeading { font-family: verdana; font-size: 10pt; font-weight: bold; color: white; background-color: #2a568f; }\n" +
".rowOdd { background-color: #eeeeee; }\n" +
".rowEven { background-color: #dddddd; }\n" +
"</style></head>\n" +
"<body>\n" +
"<table cellspacing='2' cellpadding='3' border='0' width='100%'>\n" +
"<tr><td colspan='4' class='textLocation'>Directory listing for /rep</td></tr>\n" +
"<tr><td height='10' colspan='4'></td></tr></table><table cellspacing='2' cellpadding='3' border='0' width='100%' class='listingTable'>\n" +
"<tr><td class='tableHeading' width='*'>Name</td><td class='tableHeading' width='10%'>Size</td><td class='tableHeading' width='20%'>Type</td><td class='tableHeading' width='25%'>Modified Date</td></tr>\n" +
"<tr class='rowOdd'><td class='textData'><a href=\"/alfresco/webdav/rep/ED\">ED</a></td><td class='textData'> </td><td class='textData'> </td><td class='textData'>Thu, 05 Jan 2017 11:11:14 GMT</td></tr>\n" +
"<tr class='rowEven'><td class='textData'><a href=\"/alfresco/webdav/rep/FLOW%20CHART\">FLOW CHART</a></td><td class='textData'> </td><td class='textData'> </td><td class='textData'>Thu, 27 Jun 2013 13:30:18 GMT</td></tr>\n" +
"<tr class='rowOdd'><td class='textData'><a href=\"/alfresco/webdav/rep/file\">file</a></td><td class='textData'> </td><td class='textData'> </td><td class='textData'>Wed, 10 Nov 2021 13:16:49 GMT</td></tr>\n" +
"\n" +
"\n" +
"</table></body></html>";
final Document document = Jsoup.parse(html);
final Elements trElements = document.select("tr:has(a)");
for (final Element trElement : trElements) {
final Element aElement = trElement.select("a").first();
final String href = aElement.attr("href");
System.out.println("Href : " + href);
final String name = aElement.text();
System.out.println("Name : " + name);
final Element dateTdElement = trElement.select("td").get(3);
final String date = dateTdElement.text();
System.out.println("Date : " + date);
}
}
Href : /alfresco/webdav/rep/ED
Name : ED
Date : Thu, 05 Jan 2017 11:11:14 GMT
Href : /alfresco/webdav/rep/FLOW%20CHART
Name : FLOW CHART
Date : Thu, 27 Jun 2013 13:30:18 GMT
Href : /alfresco/webdav/rep/file
Name : file
Date : Wed, 10 Nov 2021 13:16:49 GMT
类似资料：
-
嗨，我有一个html文件解析的场景。我正在使用jsoup解析html文件，解析后我想提取头标记（h1、h3、h4）。我用过医生。select（）但它将只返回标题标记值，但我的要求是我应该提取h1到h3或h4之间的标记，反之亦然。 所以这里首先搜索html字符串是否包含任何H1，H3，H4。这里我们有h4，所以包括h4，它应该搜索下一个h1或h3，直到h3我们提取字符串并把它放在一个单独的html文
-
我一直在研究用于数据提取的Jsoup示例，并提取了此链接的一个示例 J汤
-
“我妈妈有一双蓝眼睛，我爸爸有一双深绿色的眼睛”。我想用JSOUP解析这个句子，并在android textview上用粗体和彩色文本打印出来。这里的“蓝色”是大胆的蓝色。“深绿色”是大胆的颜色。 我需要解析上述html代码，并需要如下显示： 这是一个标题 我母亲有蓝色的眼睛，我父亲有深绿色的眼睛 这是另一个标题 这是一段 下面是我的程序。考虑到文档doc==获取上面的html； 有人能帮我解决吗
-
如何从下面的html中解析出46389333？ 我使用的是JSoup，显然我可以解析文本、标签和其他值。但是我不知道如何解析这个值。即使我只能解析出/exampleTweet/status/46389333，至少我可以解析这个字符串，这要容易得多。问题是，数字变了，显然例子也变了。不过，地位还是存在的，所以也许我可以利用这一点？任何帮助都是巨大的。
-
问题内容： 当我使用jsoup提取数据时遇到一个职位。数据如下： 我想要这样的数据： 我怎样才能做到这一点？谁能帮我？ 问题答案： 您可以将html解析为，选择-Element并获取其文本。 例： 输出：
-
所以我尝试从pretag获取数据，我设置doc连接到url选择pretag，结果出错了，我需要获取的数据按这里