Jsoup 过人之处 —— select 选择器

jsoup 的过人之处——选择器

前面我们已经简单的介绍了 jsoup 是如何使用选择器来对元素进行检索的。本节我们把重点放在选择器本身强大的语法上。下表是 jsoup 选择器的所有语法详细列表。

表 2. 基本用法：

<!-- lang: html -->
tagname 	使用标签名来定位，例如 a
ns|tag 	使用命名空间的标签定位，例如 fb:name 来查找 <fb:name> 元素
#id 	使用元素 id 定位，例如 #logo
.class 	使用元素的 class 属性定位，例如 .head
[attribute] 	使用元素的属性进行定位，例如 [href] 表示检索具有 href 属性的所有元素
[^attr] 	使用元素的属性名前缀进行定位，例如 [^data-] 用来查找 HTML5 的 dataset 属性
[attr=value] 	使用属性值进行定位，例如 [width=500] 定位所有 width 属性值为 500 的元素
[attr^=value], [attr$=value], [attr*=value] 	这三个语法分别代表，属性以 value 开头、结尾以及包含
[attr~=regex] 	使用正则表达式进行属性值的过滤，例如 img[src~=(?i)\.(png|jpe?g)]
* 	定位所有元素

以上是最基本的选择器语法，这些语法也可以组合起来使用，下面是 jsoup 支持的组合用法：

表 3：组合用法：

<!-- lang: html -->
el#id 	定位 id 值某个元素，例如 a#logo -> <a id=logo href= … >
el.class 	定位 class 为指定值的元素，例如 div.head -> <div class=head>xxxx</div>
el[attr] 	定位所有定义了某属性的元素，例如 a[href]
以上三个任意组合 	例如 a[href]#logo 、a[name].outerlink
ancestor child 	这五种都是元素之间组合关系的选择器语法，其中包括父子关系、合并关系和层次关系。
parent > child
siblingA + siblingB
siblingA ~ siblingX
el, el, el

除了一些基本的语法以及这些语法进行组合外，jsoup 还支持使用表达式进行元素过滤选择。下面是 jsoup 支持的所有表达式一览表：

表 4. 表达式：

<!-- lang: html -->
:lt(n) 	例如 td:lt(3) 表示 小于三列
:gt(n) 	div p:gt(2) 表示 div 中包含 2 个以上的 p
:eq(n) 	form input:eq(1) 表示只包含一个 input 的表单
:has(seletor) 	div:has(p) 表示包含了 p 元素的 div
:not(selector) 	div:not(.logo) 表示不包含 class=logo 元素的所有 div 列表
:contains(text) 	包含某文本的元素，不区分大小写，例如 p:contains(oschina)
:containsOwn(text) 	文本信息完全等于指定条件的过滤
:matches(regex) 	使用正则表达式进行文本过滤：div:matches((?i)login)
:matchesOwn(regex) 	使用正则表达式找到自身的文本 

转载于:https://my.oschina.net/u/1244232/blog/162581