基于JSoup中的父元素获取元素答案

【问题标题】：Get element based on parent in JSoup基于JSoup中的父元素获取元素
【发布时间】：2012-06-05 19:16:10
【问题描述】：

在下面的 XML 中，我希望能够获取第一个标题标签的内容，而不是第二个。不幸的是，代码打印了两个标题标签的内容......

任何帮助将非常感谢！

String feedXMLString = "<entry><title>title 1</title><source><title>title 2</title></source></entry>";
    Document feedXML = Jsoup.parse(feedXMLString);

    NodeTraversor feedXMLTraversor = new NodeTraversor(new NodeVisitor() {

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

                  String tagName = ((Element) node).tagName();                    
                  String parentTagName = ((Element) node).parent().tagName();

                  if (tagName.equals("title")) {          
                      if (parentTagName.equals("entry")) {
                          String title = ((Element) node).ownText();
                          System.out.println(title);
                      }
                  }
              }
          }

          @Override
          public void head(Node node, int depth) { 
          }
        });
    feedXMLTraversor.traverse(feedXML.body());

输出是

title 1
title 2

我只希望它是标题 1。我假设第二个标题的父标签是 <source>，但出于某种原因 JSoup 似乎认为它是 <entry>

谢谢！

【问题讨论】：

标签： java html parsing jsoup

【解决方案1】：

为什么不使用 Jsoup API 的选择器部分？它更容易使用，更清洁，而且我敢打赌它也会更快。我个人使用的是这个：

//The line you already had
Document doc = Jsoup.parse(feedXMLString);

//This will get you all the titles
Elements elems = doc.select("title");

//And now you can proceed in various ways:
String title1stWay = elems.first().text();
String title2ndWay = elems.get(0).text();

看这里：Jsoup Selector API

【讨论】：

酷。这样做：元素 entryElements = feedXML.select("entry");迭代器 entryIterator = entryElements.iterator(); while(entryIterator.hasNext()) { 元素 entryElement = entryIterator.next(); System.out.print(entryElement.select("title").first().ownText()); }
好吧，如果你放一个 first();循环内的方法，它不会对你有任何好处。你应该使用 first();在循环之外，或者使用 iterator.next();将返回分配给元素的方法

【解决方案2】：

尝试添加（String tagName ,String parentTagName...下方）

int numOfParents = ((Element) node).parents().size();

改变

if (parentTagName.equals("entry"))

进入

if (parentTagName.equals("entry") && (numOfParents == 1))

【讨论】：

JSoup 添加 html 和 body 标签。但是，如果我为每个元素打印 numbOfParents，我仍然会得到：“title 3 source 3 title 3 entry 2 body 1” 似乎 JSoup 解析不正确？两个头衔怎么会有相同数量的父母？
尝试打印((Element) node).parents() 并查看两个标题的父母是否相同...
是的，它们都有相同的父级、条目正文和 html。如果我将源标签更改为 div 标签，则程序按预期工作。我只能猜测 JSoup 正在从 DOM 中删除源标签，可能是因为它认为它们是多余的。有什么方法可以防止这种情况吗？或者其他区分两个标题标签的方法？我想如果情况变得更糟，我可以只取每个条目中找到的第一个标题标签......
这很奇怪......好吧，我不是 jsoup Pro。所以可能还有其他技巧