如何使用 Jsoup 获取表的 h2 标签答案

【问题标题】：How to get h2 Tag of a table using Jsoup如何使用 Jsoup 获取表的 h2 标签
【发布时间】：2012-12-21 16:10:23
【问题描述】：

我需要一些帮助来使用 Jsoup 抓取网页。我想从 hcfactions 网页解析玩家资料并收集他们的杀戮和死亡情况。我遇到的问题是每个个人资料页面都是动态创建的，并且只有在玩家被杀或死亡时才会有所述表格。因此，为了知道我正在解析哪个表，我需要获取调用后设置的标题文本。

示例网页：http://www.hcfactions.net/index.php?action=playerinfo&player=Djmaddox.

下面是我正在抓取的网页的 html 片段：

<table class='table-bordered'><h2 style='text-align:center'>Deaths</h2>
    <tr><td>Date</td><td>Reason</td><td>Details</td></tr><tr><td>Dec 11 5:27pm CST</td>.....

我有这段代码可以拉出表格并计算条目，但它不会拉出 h2 标签供我选择。

public void getPlayerDetails(String name) {
        String data = "";
        Avatar temp = _db.getPlayer(name);
        playerUrl = "http://www.hcfactions.net/index.php?action=playersearch&player=" + name;
        try {
//            data = Jsoup.connect(url)
//                    .url(url).get().html();
            playerDoc = Jsoup.connect(playerUrl).get();
        } catch (IOException ex) {
            Logger.getLogger(JParser.class.getName()).log(Level.SEVERE, null, ex);
        }
        if (playerDoc.select("table").size() == 1) {
            return;
        } else if (playerDoc.select("table").size() >= 2) {

            for (int x = 1; x < playerDoc.select("table").size(); x++) {

                System.out.println("deaths");
                Element table = playerDoc.select("table").get(x);
                Iterator<Element> ite = table.select("tr").iterator();
                int count = 0;
                while (ite.hasNext()) {
                    data = ite.next().text();
                    count++;
                }

                if (count > 0) {
                    temp.setDeaths(count - 1);
                }


            }

        }
    }

【问题讨论】：

标签： java html screen-scraping jsoup

【解决方案1】：

标签<h2> 位于无效位置。这就是我认为 JSoup 找不到它的原因。您必须使用正则表达式自己提取它。可以通过以下代码获取<h2>的内容：

String tableToString = "<table class='table-bordered'><h2 style='text-align:center'>Deaths</h2>" + "<tr>" + "<td>Date</td>" + "<td>Reason</td>" + "<td>Details</td>" + "</tr>" + "</table>";
String regex = "<h2.*>(.*)?</h2>";

Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(tableToString);
if (matcher.find()) {
    System.out.println(matcher.group(1));
}

您可以在您的代码中使用table.toString() 初始化tableToString。

【讨论】：

【解决方案2】：

正如 ka3ak 所说，<h2> 定位错误。但是您不必为此放弃解析器而求助于正则表达式。假设 JSoup 是一个不错的 HTML 解析器（我自己从未使用过），<h2> 元素应该是紧接在 <table> 元素之前的元素。让你的“选择”语句在那里寻找它。

【讨论】：

【解决方案3】：

Elements headers=playerDoc.select("div.span10.offset1 h2");
恕我直言，您的选择接缝有点过于复杂，但也许必须是这样。无论如何，上面的 sn-p 将使您获得正确容器中存在的每个 H2 标签。稍后您可以选择像
Elements tables=playerDoc.select("div.span10.offset1 table");
这样的所需表，并应用适当的数据挖掘它们。标题将与表的顺序相对应。我想，我的工作已经在这里完成了:)

【讨论】：