如何使用 Jsoup 递归遍历 HTML 树？答案

【问题标题】：How to traverse recursively an HTML tree with Jsoup?如何使用 Jsoup 递归遍历 HTML 树？
【发布时间】：2016-09-19 22:17:25
【问题描述】：

我有一个 html 文件，我想使用第一个 div 标签 the image display the html file structure 遍历文件我的代码是

public static void ExtractChild(String content) {

    String data = content;
    ArrayList<String> childList = new ArrayList<String>();
    try{
    Document document = Jsoup.parse(data);
    Element div = document.select("div").first();
    Elements divChildren = div.children();
    int size = divChildren.size();
    if (size > 0) {
        for (int i = 0; i < size; i++) {
            data = divChildren.get(i).toString();
            
            System.out.println(data);
            ExtractChild(data);
        }
    } else {
        childList.add(data);

    }
    }
    catch(Exception e)
    {System.out.println(e.getMessage());
        
    }

}
}

我得到一个 Html 文件作为 String 首先我捕获第一个 div 标记并获取它的所有子项。在我的形象中，父母有 3 个孩子，第一个孩子有 2 个孩子。如果没有任何子子项（其他部分），我将添加子项，如果找到子项，则在 If 部分中出现问题，它会重置 i 的值并且它无法回溯。

【问题讨论】：

标签： java list recursion jsoup

【解决方案1】：

您想使用来自 Jsoup API 的 NodeTraversor 及其伴随类 NodeVisitor。

NodeTraversor 递归遍历节点树。每次点击节点的开始标签或结束标签（如果存在）时，它都会调用给定的 NodeVisitor。

示例代码

public static void main(String[] args) throws IOException {
    String html = "<div id=\"d1\">" + //
            "<div id=\"d1.0\">" + //
            "<div id=\"d1.0.0\">" + //
            "1.0.0" + //
            "</div>" + //
            "<div id=\"d1.0.1\">" + //
            "1.0.1" + //
            "</div>" + //
            "</div>" + //
            "<div id=\"d1.1\">" + //
            "1.1" + //
            "</div>" + //
            "<div id=\"d1.3\">" + //
            "1.3" + //
            "</div>" + //
            "</div>";

    List<String> childList = new ArrayList<>();
    NodeVisitor myNodeVisitor = new MyNodeVisitor(childList);
    NodeTraversor traversor = new NodeTraversor(myNodeVisitor);
    Document doc = Jsoup.parse(html);

    Element firstDiv = doc.select("div:first-of-type").first();
    if (firstDiv == null) {
        System.err.println("Unable to find any div.");
    } else {
        traversor.traverse(firstDiv);

        for (String child : childList) {
            System.out.println(child);
        }
    }
}

private static class MyNodeVisitor implements NodeVisitor {

    private List<String> childList;

    public MyNodeVisitor(List<String> childList) {
        if (childList == null) {
            throw new NullPointerException("childList cannot be null.");
        }

        this.childList = childList;
    }

    @Override
    public void head(Node node, int depth) {
        if (node.childNodeSize() == 0) {
            childList.add(node.toString());
        }
    }

    @Override
    public void tail(Node node, int depth) {

    }
}

输出

1.0.0

1.0.1

1.1

1.3

【讨论】：