如何使用 jericho 从嵌套 html 元素中的 <a href> 获取文本？

【问题标题】：how to get text from <a href> in nested html elements using jericho?如何使用 jericho 从嵌套 html 元素中的 <a href> 获取文本？
【发布时间】：2014-02-20 18:34:18
【问题描述】：

我有一些这样的html代码

<div class="itm hasOverlay lastrow">
<a id="3:LE343SPABGLIANID" class="itm-link itm-drk trackingOnClick" title="League Sepatu Casual Geof S/L LO - Hitam/Biru" href="league-sepatu-casual-geof-sl-lo-hitambiru-68166.html" rel="-standard|">
</a>
<div class="itm-overlay itm-group-mainbox-with-group"></div>
</div>

我应该怎么做才能在

<a href="league-sepatu-casual-geof-sl-lo-hitambiru-68166.html">获得文本league-sepatu-casual-geof-sl-lo-hitambiru-68166.html？

【问题讨论】：

对不起，未格式化的代码 sn-p，我不知何故无法正确处理。我找不到代码格式化程序..

标签： java html parsing jericho-html-parser

【解决方案1】：

这应该很简单……

Source source=new Source(new StringReader(inputString));
Element aElement = source.getFirstElement(HTMLElementName.A);
String href = aElement.getAttributeValue("href");
System.out.println(href);

...当然，这做了一些假设：即，inputString 是 only 您发布的字符串（并且这部分未包含在其他标签中），并且这部分只包含一个链接（a）。

（如果这些假设无效，则必须以某种方式识别这个特定的div 和正确的a 标签。例如，通过搜索具有class="itm hasOverlay lastrow" 属性的div 和@987654328 @ 类 class="itm-link itm-drk trackingOnClick" - 在任何情况下，都必须了解更多关于应该从中提取此信息的文档的实际结构）

【讨论】：