如何使用jsoup选择HTML文档的叶子标签

Question

我正在使用jsoup来解析一个html文档。我需要提取所有子div元素。这基本上是没有嵌套div标签的div标签。我在java中使用以下代码来提取div标签：

Elements bodyTag = document.select("div:not(div>div)"); 

以下是一个例子:

<div id="header">
     <div class="container">
         <div id="header-logo"> 
         <a href="/" title="mekay.com">
             <div id="logo">
             </div> </a>
        </div>
        <div id="header-banner">
            <div data-type="ad" data-publisher="lqm.j2ee.site" data-zone="ron">
            </div>
        </div>
     </div>
</div>

我需要仅提取以下内容：

 <div id="logo">
 </div>
 <div data-type="ad" data-publisher="lqm.j2ee.site" data-zone="ron">
 </div>

相反，上面的代码片段返回所有的div标签。因此，请帮我找出这个选择器有什么问题。

- mintra

Answer 1

这个是完美工作的。

Elements innerMostDivs = doc.select("div:not(:has(div))");

尝试一下 在线

• 添加您的html文件
• 将css查询添加为div:not(:has(div))
• 检查结果元素

- Bruce

Answer 2

如果您只想要没有任何子元素的div叶节点，则使用此代码。

Elements emptyDivs = document.select("div:empty");

您现在使用的选择器意味着获取所有不是另一个div的直接子元素的div。它通常会带来第一个父div，因为div id="header"不是div的直接子元素。很可能它的父元素是body。

- Alkis Kalogeris