Jsoup寻找特定文本的元素

Question

我想使用JSoup从HTML中选择特定文本的元素。 HTML如下：

<td style="vertical-align:bottom;text-align:center;width:15%">
<div style="background-color:#FFDD93;font-size:10px;margin:5px auto 0px auto;text-align:left;" class="genbg"><span class="corners-top-subtab"><span></span></span>
    <div><b>Pantry/Catering</b>
        <div>
            <div style="color:#00700B;">&#10003;&nbsp;Pantry Car Avbl
                <br />&#10003;&nbsp;Catering Avbl</div>
        </div>
        <div>
            <div><span>Dinner is served after departure from NZM on 1st day.;</span>...
                <br /><a style="font-size:10px;color:Red;" onClick="expandPost($(this).parent());" href="javascript:void(0);">Read more...</a>
            </div>
            <div style="display:none;">Dinner :2 chapati, rice, dal and chicken curry (NV) and paneer curry in veg &amp;Ice cream.; Breakfast:2 bread slices with jam and butter. ; Omlet of 2 eggs (Non veg),vada and sambar(veg)..; coffee &amp; lime juice</div>
        </div>
    </div><span class="corners-bottom-subtab"><span></span></span>
</div>

我想找到包含文本“Pantry/Catering”的div元素。我尝试了

doc.select("div:contains(Pantry/Catering)").first();

但是这似乎不起作用。我该如何使用Jsoup获取此元素？

- tbag

Answer 1

当我运行您的代码时，它选择了外部的

标签，而我认为您要查找的是内部的

标签。根据文档所述，它选择“包含指定文本的元素”。在这个简单的HTML中：

<div><div><b>Pantry/Catering</b></div></div>

选择器 div:contains(Pantry/Catering) 会匹配两次，因为它们都包含文本“Pantry/Catering”：

<!-- First Match -->
<div><div><b>Pantry/Catering</b></div></div>

<!-- Second Match -->
<div><b>Pantry/Catering</b></div>

匹配顺序始终如此，因为jsoup从外部开始匹配。 因此，.first()始终匹配最外层的div。 要提取内部的div，可以使用.get(1)。

完整提取内部的div：

doc.select("div:contains(Pantry/Catering)").get(1)

- Spectre

---

我正在尝试学习这个，但如果div不是第一个内部div会发生什么？ - Kick Buttowski

@KickButtowski 结果中元素的顺序与它们在文本中出现的开标签的顺序相同。否则，如果您事先不知道它的位置，则可以通过迭代选择结果来查找该元素或匹配更具体的内容（例如 b:contains(Pantry/Catering) ），然后使用 .parent() 往回工作。 - Spectre

谢谢。为什么这段代码不能给我想要的结果？doc = Jsoup.parse(input, null); Elements el = doc.select("div"); if (el.contains("Pantry/Catering")) { System.out.println(el.text()); } - Kick Buttowski

Elements 中的 contains 是来自 Collection 接口，用于测试是否包含特定的 Element，而不是用于检查文本内容。此外，请确保您理解 Element 和 Elements 之间的区别。 - Spectre

@Spectre - 我不太明白。我尝试了 doc.select("div:contains(Pantry/Catering)").get(1)，但对我来说仍然不起作用。顺便说一下，我发布的代码中只有一个 "Pantry/Catering"。那么你是如何匹配两次的？ - tbag

@tbag :contains() 伪选择器匹配包含指定文本的元素，可以直接包含，也可以包含在任意子孙元素中。在最简单的情况下，<a><b>text</b></a>，b 直接包含 'text'。a 也包含 'text'，因为它包含 b，而 b 包含 'text'。 - Spectre

Answer 2

这也应该对你有用：

doc.selectFirst("div:containsOwn(Pantry/Catering)").text();

说明：

selectFirst(selector) - 有助于避免使用 select().first()。

containsOwn(text) - 一个伪选择器，用于返回直接包含指定文本的元素。该文本必须出现在找到的元素中，而不是它的任何后代元素中，与 contains(text) 相反。

来源： https://jsoup.org/apidocs/org/jsoup/select/Selector.html#selectFirst-java.lang.String-org.jsoup.nodes.Element-

- harshainfo

Answer 3

好的，我已经理解了。需要做的是：

doc.select("b:contains(储藏室/餐饮)").first().parent().children().get(1).text();

感谢您的帮助！

- tbag