crawler_jsoup HTML解析器_使用选择器语法来查找元素
2013-12-26 09:18
302 查看
参照:http://www.open-open.com/jsoup/selector-syntax.htm
这个
Select方法将返回一个
任意组合,比如:
注意:上述伪选择器索引是从0开始的,也就是说第一个元素索引值为0,第二个元素index为1等
可以查看
注意:
如果class中有空格,想要匹配的话,不能直接copy class后引号内的内容,空格间隔代表不同个class 想要匹配的话。如下demo,三种方式
<a href="s?q=%E6%B2%89%E6%95%B4%E8%86%8F&x=0-2-2-0&page=2" class="btn btn_next">下一页 <b>></b></a>
1: a.btn
2: a. btn_next
3: a."btn btn_next" 需要要引号 ,测试只加左边或右边也行。不加不行
对于属性很多的元素 非class 和ID的可采用如下方法,例如想取得这个table 借助宽度属性
1:table[width=277]
<table border="0" cellpadding="2" cellspacing="0" bgcolor="#FFFFFF" width="277">
使用选择器语法来查找元素
问题
你想使用类似于CSS或jQuery的语法来查找和操作元素。方法
可以使用Element.select(String selector)和
Elements.select(String selector)方法实现:
File input = new File("/tmp/input.html"); Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/"); Elements links = doc.select("a[href]"); //带有href属性的a元素 Elements pngs = doc.select("img[src$=.png]"); //扩展名为.png的图片 Element masthead = doc.select("div.masthead").first(); //class等于masthead的div标签 Elements resultLinks = doc.select("h3.r > a"); //在h3元素之后的a元素
说明
jsoup elements对象支持类似于CSS (或jquery)的选择器语法,来实现非常强大和灵活的查找功能。.这个
select方法在
Document,
Element,或
Elements对象中都可以使用。且是上下文相关的,因此可实现指定元素的过滤,或者链式选择访问。
Select方法将返回一个
Elements集合,并提供一组方法来抽取和处理结果。
Selector选择器概述
tagname: 通过标签查找元素,比如:
a
ns|tag: 通过标签在命名空间查找元素,比如:可以用
fb|name语法来查找
<fb:name>元素
#id: 通过ID查找元素,比如:
#logo
.class: 通过class名称查找元素,比如:
.masthead
[attribute]: 利用属性查找元素,比如:
[href]
[^attr]: 利用属性名前缀来查找元素,比如:可以用
[^data-]来查找带有HTML5 Dataset属性的元素
[attr=value]: 利用属性值来查找元素,比如:
[width=500]
[attr^=value],
[attr$=value],
[attr*=value]: 利用匹配属性值开头、结尾或包含属性值来查找元素,比如:
[href*=/path/]
[attr~=regex]: 利用属性值匹配正则表达式来查找元素,比如:
img[src~=(?i)\.(png|jpe?g)]
*: 这个符号将匹配所有元素
Selector选择器组合使用
el#id: 元素+ID,比如:
div#logo
el.class: 元素+class,比如:
div.masthead
el[attr]: 元素+class,比如:
a[href]
任意组合,比如:
a[href].highlight
ancestor child: 查找某个元素下子元素,比如:可以用
.body p查找在"body"元素下的所有
p元素
parent > child: 查找某个父元素下的直接子元素,比如:可以用
div.content > p查找
p元素,也可以用
body > *查找body标签下所有直接子元素
siblingA + siblingB: 查找在A元素之前第一个同级元素B,比如:
div.head + div
siblingA ~ siblingX: 查找A元素之前的同级X元素,比如:
h1 ~ p
el, el, el:多个选择器组合,查找匹配任一选择器的唯一元素,例如:
div.masthead, div.logo
伪选择器selectors
:lt(n): 查找哪些元素的同级索引值(它的位置在DOM树中是相对于它的父节点)小于n,比如:
td:lt(3)表示小于三列的元素
:gt(n):查找哪些元素的同级索引值大于
n
,比如:
div p:gt(2)表示哪些div中有包含2个以上的p元素
:eq(n): 查找哪些元素的同级索引值与
n相等,比如:
form input:eq(1)表示包含一个input标签的Form元素
:has(seletor): 查找匹配选择器包含元素的元素,比如:
div:has(p)表示哪些div包含了p元素
:not(selector): 查找与选择器不匹配的元素,比如:
div:not(.logo)表示不包含 class="logo" 元素的所有 div 列表
:contains(text): 查找包含给定文本的元素,搜索不区分大不写,比如:
p:contains(jsoup)
:containsOwn(text): 查找直接包含给定文本的元素
:matches(regex): 查找哪些元素的文本匹配指定的正则表达式,比如:
div:matches((?i)login)
:matchesOwn(regex): 查找自身包含文本匹配指定正则表达式的元素
注意:上述伪选择器索引是从0开始的,也就是说第一个元素索引值为0,第二个元素index为1等
可以查看
SelectorAPI参考来了解更详细的内容
注意:
如果class中有空格,想要匹配的话,不能直接copy class后引号内的内容,空格间隔代表不同个class 想要匹配的话。如下demo,三种方式
<a href="s?q=%E6%B2%89%E6%95%B4%E8%86%8F&x=0-2-2-0&page=2" class="btn btn_next">下一页 <b>></b></a>
1: a.btn
2: a. btn_next
3: a."btn btn_next" 需要要引号 ,测试只加左边或右边也行。不加不行
对于属性很多的元素 非class 和ID的可采用如下方法,例如想取得这个table 借助宽度属性
1:table[width=277]
<table border="0" cellpadding="2" cellspacing="0" bgcolor="#FFFFFF" width="277">
相关文章推荐
- jsoup Java HTML解析器:使用选择器语法来查找元素
- jsoup使用选择器语法来查找元素
- (三)Jsoup 使用选择器语法查找 DOM 元素
- Jsoup使用选择器语法来查找元素
- 【Jsoup的学习礼记】使用选择器语法来查找元素
- jsoup使用选择器语法来查找元素
- 【使用JSOUP实现网络爬虫】使用选择器语法来查找元素
- jSoup Cookbook-提取数据 7 使用选择器语法查找元素
- jSoup Cookbook-提取数据 7 使用选择器语法查找元素
- jsoup教程007-使用选择器语法来查找元素
- 使用JSoup选择器语法来查找元素
- 【使用JSOUP实现网络爬虫】使用选择器语法来查找元素
- 【使用JSOUP实现网络爬虫】使用选择器语法来查找元素
- jsoup使用选择器语法来查找元素
- 使用选择器语法来查找元素
- 使用jsoup选择器来查找元素
- 使用jsoup选择器来查找元素
- 使用java的html解析器jsoup和jQuery实现一个自动重复抓取任意网站页面指定元素的web应用
- 使用选择器语法来查找元素 - 你想使用类似于CSS或jQuery的语法来查找和操作元素
- 利用jsoup的选择器语法来查找元素