【发布时间】:2013-05-30 21:40:51
【问题描述】:
我有一个网页,其源代码包含几个类似的结构,如下所示:
<tr>
<td width="10%" bgcolor="#FFFFFF"><font class="bodytext9">1-Jun-2013</font></td>
<td width="4%" bgcolor="#FFFFFF" align=center><font class="bodytext9">Sat</font></td>
<td width="5%" bgcolor="#FFFFFF" align="center"></td>
<td width="5%" bgcolor="#FFFFFF" align="center"><font class="bodytext9">Another Text</font></td>
<td width="5%" bgcolor="#FFFFFF" align="center"><font class="bodytext9"><img src="img/colors/white.gif"></font></td>
<td width="15%" bgcolor="#FFFFFF" align="center"><a class="black_9" href="link2">Here is also Text</a></td>
<td width="15%" bgcolor="#FFFFFF" align="center"><a href="LINKtoWeb" class=list><u>STRING TO CAPTURE</u></a></td>
<td width="4%" bgcolor="#FFFFFF" align="center"><a target="_new" href="AnotherLink"><img src="img/img2.gif" border="0"></a></td>
</tr>
这种结构重复了很多次,里面有不同的文本,但我只想提取这个集合,因为文本“STRING TO CAPTURE”第一次出现在这里。那么如何使用 Jsoup 只提取这个集合,以及它之间的可见文本,以及 url
AnotherLink
在文本“STRING TO CAPTURE”的行出现? 我是 Jsoup 的新手,所以我只尝试过这个
Document doc = Jsoup.connect("http://www.website.com").get();
Element link = doc.select("a").first();
String relHref = link.attr("href");
String absHref = link.attr("abs:href");
String text = doc.body().text();
String linkHref = link.attr("href");
String linkText = link.text();
System.out.println("link:" + link);
System.out.println("text:" + text);
但是不能为此提前做,请给我一些建议!谢谢!
【问题讨论】: