jSoup 从 <span> 类中获取文本答案

【问题标题】：jSoup to get text from <span> classjSoup 从 <span> 类中获取文本
【发布时间】：2013-08-14 09:15:09
【问题描述】：

我有一部分 HTML 文件，格式如下：

<h6 class="uiStreamMessage" data-ft="_____"> 
   <span class="messageBody" data-ft="____"> Welcome
   </span>
</h6>

在文件中，还有其他 span 类。但我只想获取所有“messageBody”跨度的文本，它将被插入到数据库中。

我试过了：

Elements links = doc.select("span.messageBody");
for (Element link : links) {
     message = link.text();
     // codes to insert into DB
}

甚至

Elements links = doc.select("h6.uiStreamMessage span.messageBody");

两者都不起作用。我无法从其他地方找到任何解决方案。请帮忙。

**编辑

我已经意识到它是 html 文件中的一个嵌套跨度：

<h6 class="uiStreamMessage" data-ft=""> 
   <span class="messageBody" data-ft="">Twisted<a href="http://"><span>http://</span>
   <span class="word_break"></span>www.tb.net/</a> Balloons
   </span>
</h6>

而且只是有时在“messageBody”范围内还有另一个范围。如何获取“messageBody”范围内的所有文本？

【问题讨论】：

我问你一个问题，'message'的内容是什么？您是否尝试过每次都记录它？
“消息”为空。我有一些'println()'，只要在那个'for'循环之后，它们就不会打印任何东西。
好吧，在循环后'message'应该只有最后一个span.messageBody的文本。在循环之后使用“消息”是个坏主意。如果您需要这种方式，也许您应该将消息存储在 List
谢谢，我会记住的。不过，我已经意识到哪里出了问题。我已经编辑了问题，请看一下。
使用您发布的最新 html，您要检索的确切文本是什么？那个html是一团糟..

标签： java parsing jsoup

【解决方案1】：

 String html = "<h6 class='uiStreamMessage' data-ft=''><span class='messageBody' data-ft=''>Twisted<a href='http://'><span>http://</span><span class='word_break'></span>www.tb.net/</a> Balloons</span></h6>";
 Document doc = Jsoup.parse(html);
 Elements elements = doc.select("h6.uiStreamMessage > span.messageBody");
 for (Element e : elements) {
      System.out.println("All text:" + e.text());
      System.out.println("Only messageBody text:" + e.ownText());
}

脸书专页https://www.facebook.com/pages/The-Nanyang-Chronicle/141387533074：

try {
        Document doc = Jsoup.connect("https://www.facebook.com/pages/The-Nanyang-Chronicle/141387533074").timeout(0).get();

        Elements elements = doc.select("code.hidden_elem");
        for (Element e : elements) {
            String eHtml = e.html().replace("<!--", "").replace("-->", "");
            Document eWIthoutComment = Jsoup.parse(eHtml);
            Elements elem = eWIthoutComment.select("h6.uiStreamMessage >span.messageBody");
            for (Element eb : elem) {
                System.out.println(eb.text());                   
            }
        }
    } catch (IOException ex) {
        System.err.println("Error:" + ex.getMessage());
    }

【讨论】：

我已经尝试了上述方法，它可以工作。但是当我尝试输入 html 文件并从中提取数据时，它不起作用。如果我有多个
怎么办？
在答案中您可以看到 first() 方法。这得到了
的第一次出现。取而代之的是，不要使用 first()，而是迭代元素。检查编辑答案。
非常感谢。我知道它应该可以工作，但我认为fb页面中的html标签太复杂了，这就是为什么我输入html时它不起作用的原因。有什么办法可以帮助我吗？
有什么可以帮助您的吗？新问题是什么？
问题是源码在html注释之间：，选择器不起作用。

【解决方案2】：

不知道为什么它不适合你。这是我的代码。它将Welcome 打印到控制台。

String html = "<h6 class=\"uiStreamMessage\" data-ft=\"_____\">" + 
    "<span class=\"messageBody\" data-ft=\"____\"> Welcome</span>" +
    "</h6>";

Document doc = Jsoup.parse(html);
for (Element e : doc.select("span.messageBody")) {
    System.out.println(e.text());
}

这基本上与您的代码相同，所以这里肯定有其他东西在起作用。

【讨论】：

我已经尝试了上面的代码，它也在我这边工作。我实际上是在传递一个我从互联网上“复制”的 html 文件。它不起作用，但它适用于另一个 html 文件。我已经编辑了这个问题，请看一下，看看你是否可以帮助我。谢谢！

怎么办？

的第一次出现。取而代之的是，不要使用 first()，而是迭代元素。检查编辑答案。