Jsoup使用選擇器文法來查找元素

如果你想使用類似于CSS或jQuery的文法來查找和操作元素，我們可以使用Element.select(String selector) 和 Elements.select(String selector) 方法實作：

File input = new File("html path");
Document document = Jsoup.parser(input, "UTF-8", "http://www.baidu.com");

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

Element masthead = document.select("div.masthead").first;  //擷取class=masthead的div标簽的第一個div
Elements resultLinks = document.select("h3.r > a"); // 擷取class=r的h3元素後面的a元素
           

解說：

jsoup elements對象支援類似CSS或者JQuery的選擇器，來實作非常強大及靈活的查找功能。這個select方法在Document、Elements和Element中都可以使用，且是上下文相關的，是以可以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
[attrbute]:利用屬性查找元素,比如:[href]
[^attr]:利用屬性名稱字首來查找元素，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/detail?date=20180419]
[attr~=regex]:利用屬性值比對正規表達式來查找元素,比如:
*:這個符号将比對所有

           

Selector選擇組合使用

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:查找某個元素下的子元素,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
slblingA ~ 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，查找比對任意選擇器的唯一進制素,例如:div.masthead,div.logo
           

僞選擇器Selector

:lt(n):查找哪些元素的同級索引值小于n，比如:td:lt(3)表示小于三列的元素值
: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: from input:eq(1)表示包含一個inout标簽的Form元素
:has(selector):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,搜尋不區分大小寫,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