jsoup

jsoup文档：Selector (jsoup Java HTML Parser 1.14.3 API)declaration: package: org.jsoup.select, class: Selectorhttps://jsoup.org/apidocs/org/jsoup/select/Selector.html

一. 选择器

html如下：

String html =
            "<ul class=\"browser\">\n" +
        "    <li class=\"item\">\n" +
        "        <a href=\"https://123.cn/\">html<span>html文档</span></a>\n" +
        "    </li>\n" +
        "    <li class=\"item\">\n" +
        "        <a href=\"https://456.cn/\">css<span>css文档</span></a>\n" +
        "    </li>\n" +
        "</ul>";

1/ Jsoup.parse() 
把字符串解析问Document文档

// 把字符串解析问Document文档
Document document = Jsoup.parse(html);
System.out.println("document:"+document);

 结果：

 2/ document.select()
类选择器，类似 CSS 的元素选择器，用于查找匹配查询的元素。

这种方法通常比DOM类型的getElementBy*方法更强大，因为可以组合多个过滤器，如：

el.select("a[href]")- 查找链接（带有属性a的标签）href
el.select("a[href*=example.com]") - 查找出带有 href 属性且href值包含“example.com” 字串的a标签。

常用的选择器如下：

（1）tag 标签选择器（div）

Elements item = document.select("ul");
System.out.println(item);

 （2）#id id选择器（div#wrap）

String h = "<div id='d'>123</div>";
// 下边简写了Jsoup.parse()返回的是Document ，select是Element实例方法，而Document继承Element
Elements e1 = Jsoup.parse(h).select("#d");
System.out.println(e1);

（3）.class 类名选择器（div.left）

String h = "<div class='cls'>123</div>";
Elements e1 = Jsoup.parse(h).select(".cls");
System.out.println(e1);

（4）[attr] 选择具有attr属性的元素（a[href]  [title] ）

String h = "<div data-args='cls'>123</div><div data-args='cls'>456</div>";
Elements e1 = Jsoup.parse(h).select("[data-args]");
System.out.println(e1);

 

 （5）[^attrPrefix] 查找以 ”attrPrefix“ 开头的属性的元素 （ [^data]   div[^data-] ）

String h = "<div data-args='cls'>123</div><div data-time='08:20'>456</div>";
Elements e1 = Jsoup.parse(h).select("[^data]");
System.out.println(e1);

（6）[attr^=valPrefix] 查找 有attr 属性且 attr的值以 valPrefix 开头的元素 （ a[href^=https] ）

（7）[attr$=valSuffix] 查找 有attr属性 且 attr的值结尾以 valSuffix 结尾的元素（img[src$=.png]）

（8）[attr*=valContaining] 查找 有attr属性 且 attr的值包含 valContaining 的元素 （a[href*=abc]）

（9）[attr=val]  具有名为“attr”的属性且值等于“val”的元素 （ img[width=120] ）

（10）[attr="val"]  具有名为“attr”的属性且值等于“val”的元素 （ span[hello="nofollow"] ）

组合选择器：

（1）a b  例：div a
查找div 下边的a元素

（2）a>b 例：div>p
查找父元素是div的所有p元素