如何使用 jsoup 从字符串中提取元素？

Question

我想写一小段代码，用jsoup从href中提取“类别”。

<a href="/wiki/Kategorie:Herrscher_des_Mittelalters" title="Kategorie:Herrscher des Mittelalters">Herrscher des Mittelalters</a>

在这种情况下，我正在搜索Herrscher des Mittelalters。

我的代码读取带有 BufferedReader 的 .txt 文件的第一行。

    BufferedReader r = new BufferedReader(new InputStreamReader(new FileInputStream(new File(FilePath)), Charset.forName("UTF-8")));

    Document doc = Jsoup.parse(r.readLine());
    Element elem = doc;

我知道有获取 href-link 的命令，但我不知道在 href-link 中搜索元素的命令。

有什么建议吗？

附加信息：我的 .txt 文件包含完整的 Wikipedia HTML 页面。

Answer 1

这应该可以从链接中获取所有标题。您可以根据需要进一步拆分标题：

    Document d = Jsoup.parse("<a href=\"/wiki/Kategorie:Herrscher_des_Mittelalters\" title=\"Kategorie:Herrscher des Mittelalters\">Herrscher des Mittelalters</a>");

    Elements links = d.select("a");

    Set<String> categories = new HashSet<>();
    for (Element script : links) {
        String title = script.attr("title");
        if (title.length() > 0) {
            categories.add(title);
        }

    }

    System.out.println(categories);

Answer 2

您可以使用 getElementsContainingText() 方法 (org.jsoup.nodes.Document) 搜索带有任何文本的元素。

Elements elements = doc.getElementsContainingText("Herrscher des Mittelalters");
   for(int i=0; i<elements.size();i++) {
        Element element = elements.get(i);
        System.out.println(element.text());
    }