【Java】Jsoup使用選擇器文法來查找元素

問題

你想使用類似于CSS或jQuery的文法來查找和操作元素。

方法

可以使用方法實作：Element.select(String selector)

File input = new File("/tmp/input.html");
Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");

Elements links = doc.select("a[href]"); //帶有href屬性的a元素
Elements pngs = doc.select("img[src$=.png]");
  //擴充名為.png的圖檔

Element masthead = doc.select("div.masthead").first();
  //class等于masthead的div标簽

Elements resultLinks = doc.select("h3.r > a"); //在h3元素之後的a元素
           

說明

jsoup elements對象支援類似于CSS (或jquery)的選擇器文法，來實作非常強大和靈活的查找功能。.

這個select 方法在Document, Element,或Elements對象中都可以使用。且是上下文相關的，是以可實作指定元素的過濾，或者鍊式選擇通路。

Select方法将傳回一個Elements集合，并提供一組方法來抽取和處理結果。

Selector選擇器概述

• tagname

  : 通過标簽查找元素，比如：

  a

• ns|tag

  : 通過标簽在命名空間查找元素，比如：可以用 

  fb|name

   文法來查找 

  <fb:name>

   元素

• #id

  : 通過ID查找元素，比如：

  #logo

• .class

  : 通過class名稱查找元素，比如：

  .masthead

• [attribute]

  : 利用屬性查找元素，比如：

  [href]

• [^attr]

  : 利用屬性名字首來查找元素，比如：可以用

  [^data-]

   來查找帶有HTML5 Dataset屬性的元素

• [attr=value]

  : 利用屬性值來查找元素，比如：

  [width=500]

• [attr^=value]

  , 

  [attr$=value]

  , 

  [attr*=value]

  : 利用比對屬性值開頭、結尾或包含屬性值來查找元素，比如：

  [href*=/path/]

• [attr~=regex]

  : 利用屬性值比對正規表達式來查找元素，比如： 

  img[src~=(?i)\.(png|jpe?g)]

• *

  : 這個符号将比對所有元素

Selector選擇器組合使用

• 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]

• 任意組合，比如：

  a[href].highlight

• ancestor child

  : 查找某個元素下子元素，比如：可以用

  .body p

   查找在"body"元素下的所有 

  p

  元素

• parent > child

  : 查找某個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标簽下所有直接子元素

• siblingA + siblingB

  : 查找在A元素之前第一個同級元素B，比如：

  div.head + div

• siblingA ~ siblingX

  : 查找A元素之前的同級X元素，比如：

  h1 ~ p

• el, el, el

  :多個選擇器組合，查找比對任一選擇器的唯一進制素，例如：

  div.masthead, div.logo

僞選擇器selectors

• :lt(n)

  : 查找哪些元素的同級索引值（它的位置在DOM樹中是相對于它的父節點）小于n，比如：

  td:lt(3)

   表示小于三列的元素

• :gt(n)

  :查找哪些元素的同級索引值大于

  n

  ，比如

  ： 

  div p:gt(2)

  表示哪些div中有包含2個以上的p元素

• :eq(n)

  : 查找哪些元素的同級索引值與

  n

  相等，比如：

  form input:eq(1)

  表示包含一個input标簽的Form元素

• :has(seletor)

  : 查找比對選擇器包含元素的元素，比如：

  div:has(p)

  表示哪些div包含了p元素

• :not(selector)

  : 查找與選擇器不比對的元素，比如： 

  div:not(.logo)

   表示不包含 class=logo 元素的所有 div 清單

• :contains(text)

  : 查找包含給定文本的元素，搜尋不區分大不寫，比如： 

  p:contains(jsoup)

• :containsOwn(text)

  : 查找直接包含給定文本的元素

• :matches(regex)

  : 查找哪些元素的文本比對指定的正規表達式，比如：

  div:matches((?i)login)

• :matchesOwn(regex)

  : 查找自身包含文本比對指定正規表達式的元素
• 注意：上述僞選擇器索引是從0開始的，也就是說第一個元素索引值為0，第二個元素index為1等