java - 使用 Jsoup 和 Java 查找网页表中的值，其中所有内容都有 "td"标记

Question

我想使用 Jsoup 和 Java 访问此网站上的表值:

http://mmcd.nmrfam.wisc.edu/test/cqsearch.py?cqid=cq_12391

例如，我想访问“5-(3,4-DICHLOROPHENYL)-6-METHYLPYRIMIDINE-2,4-DIAMIN” --> 它位于表值“Name”之后。

我对这种性质的其他问题的解决方案包括查找 header 标记，然后查找 th 标记下的“td”值。但是，这在这种情况下不起作用，因为表中的所有内容都有“td”标签。

有人知道如何访问前面描述的表的某些值吗？提前致谢

Answer 1

您可以使用 Selector documentation 中提到的 CSS 描述符指定要选择的元素。喜欢:

• :eq(n) 其中 n 是从 0 开始的索引同级索引，
• :has(选择器)
• :包含(文本)
• :匹配(正则表达式)

如果您的问题描述了您可以

• 选择具有 width="80%" 属性的表格，
• 然后从该表中选择表行 (tr)
  • 第一个单元格 (td:eq(0)) 包含文本 Name: 字符串。
• 从该行(基于第一个单元格的内容)选择第二个单元格(使用 :eq(1))
• 并获取其文本。

演示:

String url = "http://mmcd.nmrfam.wisc.edu/test/cqsearch.py?cqid=cq_12391";

Document doc = Jsoup.connect(url).get();
Elements select = doc.select("table[width=80%] tr:has(td:matchesOwn(^Name:$)) td:eq(1)");
String name = select.text(); 

System.out.println(name);

输出:5-(3,4-二氯苯基)-6-甲基嘧啶-2,4-二胺

我使用 td:matchesOwn(^Name:$) 来确保 Name: 是 td 中的整个文本(因为在正则表达式中 ^ 表示文本开头，$ 表示文本结尾)。这让我们可以消除包含像 surname: 这样的文本的单元格(如果有的话)。