JSoup 从标签内解析数据答案

【问题标题】：JSoup parsing data from within a tagJSoup 从标签内解析数据
【发布时间】：2014-05-31 01:36:33
【问题描述】：

我正在设法解析我需要的大部分数据，除了一个，因为它包含在 a href 标记中，我需要出现在 "mmsi="

之后的数字

<a href="/showship.php?mmsi=235083844">Sunsail 4013</a>

我当前的解析器获取我需要的所有其他数据并且在下面。我尝试了一些东西，注释掉的代码偶尔会返回未指定的条目。有什么方法可以添加到下面的代码中，以便在返回数据时在名称“Sunsail 4013”之前返回数字“235083844”？

try {
        File input = new File("shipMove.txt");
        Document doc = Jsoup.parse(input, null);
        Elements tables = doc.select("table.shipInfo");
        for( Element element : tables )
        {
            Elements tdTags = element.select("td");
            //Elements mmsi = element.select("a[href*=/showship.php?mmsi=]");
            // Iterate over all 'td' tags found
            for( Element td : tdTags ){
                // Print it's text if not empty
                final String text = td.text();
                if( text.isEmpty() == false )
                {
                    System.out.println(td.text());
                }
            }
        }
    } catch (IOException e) {
        // TODO Auto-generated catch block
        e.printStackTrace();
    }

数据解析示例和html文件here

【问题讨论】：

标签： java parsing jsoup

【解决方案1】：

您可以在Element 对象上使用attr 来检索特定属性的值
如果字符串模式一致，使用substring获取所需的值

代码

// Using just your anchor html tag
String html = "<a href=\"/showship.php?mmsi=235083844\">Sunsail 4013</a>";
Document doc = Jsoup.parse(html);

// Just selecting the anchor tag, for your implementation use a generic one
Element link = doc.select("a").first();

// Get the attribute value
String url = link.attr("href");

// Check for nulls here and take the substring from '=' onwards
String id = url.substring(url.indexOf('=') + 1);
System.out.println(id + " "+ link.text());

给予，

235083844 Sunsail 4013

在您的代码中修改for 循环中的条件：

...
    for (Element td : tdTags) {
                // Print it's text if not empty
                final String text = td.text();
                if (text.isEmpty() == false) {
                    if (td.getElementsByTag("a").first() != null) {
                        // Get the attribute value
                        String url = td.getElementsByTag("a").first().attr("href");

                        // Check for nulls here and take the substring from '=' onwards
                        String id = url.substring(url.indexOf('=') + 1);
                        System.out.println(id + " "+ td.text());
                    }
                    else {
                        System.out.println(td.text());
                    }
                }
            }
...

以上代码将打印所需的输出。

【讨论】：

抱歉，我真的不确定如何将它添加到我当前的代码中。除非我更改 Element link = element.select("a").first();然后它在我的其他结果之前被打印速度搞砸了。我将编辑我的问题以显示文本文件以及我当前的代码返回的内容。
非常感谢，它运行良好。当我添加 attr 元素时，我在第一个 for 循环中执行它，这就是它不起作用的原因。

【解决方案2】：

如果你需要属性的值，你应该使用attr()方法。

for( Element td : tdTags ){
    Elements aList = td.select("a");
    for(Element a : aList){
        String val = a.attr("href");
        if(StringUrils.isNotBlank(val)){
            String yourId = val.substring(val.indexOf("=") + 1);


        }
}

【讨论】：

是StringUtils吗？如果有任何机会，您可以解释我如何将其包含在我当前的代码中，因为我仍然需要我正在检索的其余 td 元素。