java - JSoup 解析 HTML 问题

Question

我正在尝试使用 JSoup 解析一些 html，大致如下所示:

<div class="mod qmy_text withanno">
    <ul class="yfncnhl mytext"></ul>
    <h3>
        <span>Monday, August 12, 1999</span>
    </h3>
    <ul>
        <li><a href="some_link_here">Title of My Article</a><cite>News
                Source<span>(&nbsp;(Sun, Aug 12)</span>
        </cite></li>
    </ul>

我的问题是，如何解析该 HTML，以便只能返回 <cite> 中的内容——8 月 12 日，星期日。

到目前为止，我只能使用表达式输出 h3 之后的日期

Elements links = doc.select("div[class=mod qmy_text withanno] > h3");
    System.out.println(links.text());

Answer 1

让我们格式化您的 HTML，使其仅包含您要查找的元素的路径。它看起来像

<div class="mod qmy_text withanno">
    ...
    <ul>
        <li>
            ...
            <cite>News Source
                 <span>(&nbsp;(Sun, Aug 12)</span>
            </cite>
        </li>
    </ul>

因此，您的选择可能类似于 div.mod.qmy_text.withanno > ul > li > cite > span。所以用这样的代码

Elements span = doc.select("div.mod.qmy_text.withanno > ul > li > cite > span");
String spanText = span.text();

我们的 spanText 将包含 ((8 月 12 日星期日)。

如果您只想获取最后一个(和最后一个)之间的部分来获取Sun, Aug 12，您可以使用

String date = spanText.substring(spanText.lastIndexOf('(')+1, spanText.lastIndexOf(')'));