select详解
Document 继承自 Element 类。select方法将返回一个Elements集合。
1.通过标签名来查找:
测试代码:
33
25
select写法:Elements elements = document.select("span");
下面的例子都按照上面的格式来写,就不进行重复的标注了。
2.通过id来查找:
36
20
select写法: Elements elements = document.select("#mySpan");
//通过id来查找,使用方法跟css指定元素一样,用#
3.通过class名来查找:
36
20
select写法:Elements elements = document.select(".myClass");
//使用方法跟css指定元素一样,用.
4.利用标签内属性名查找元素:
36
36
select写法:Elements elements = document.select("span[class=class1]span[id=id1]");
//规则为 标签名【属性名=属性值】,多个属性即多个【】,如上
5.利用标签内属性名前缀查找元素:
36
22
select写法:Elements elements = document.select("span[^cl]");
//规则为 标签名【^属性名前缀】,多个属性即多个【】
6.利用标签内属性名+正则表达式查找元素
对正则表达式不了解的同学下去一定要学习正则表达式哦,因为它在爬虫中可是很重要的。
36
22
select写法:Elements elements = document.select("span[class~=^AB]");
//规则为 标签名【属性名~=正则表达式】,以上的正则表达式的意思是查找class值以AB为开头的标签
7.利用标签文本包含某些内容来查找:
36
22
select写法:Elements elements = document.select("span:contains(3)");
//规则为 标签名:contains(文本值)
8.利用标签文本包含某些内容+正则表达式来查找:
36
22
select写法:Elements elements = document.select("span:matchesOwn(^3)");
//规则为 标签名:matchesOwn(正则表达式),以上的正则表式的意思是以文本值以3为开头的标签
当然select还有其他强大的功能,如果对select感兴趣的同学可以查看select API,我只是列出了获取网页特定内容所需要的select的基本语法,基本上对于大部分的爬虫需求来说已经足够了。
# 下来给大家展示一个使用select获取特定元素值的代码:
public class SelectDemo {
public static void test(String html) {
//采用Jsoup解析
Document doc = Jsoup.parse(html);
//System.out.println(html);
//获取html标签中的内容
Elements elements = doc.select("ul[class=gl-warp clearfix]")
.select("li[class=gl-item]");
for (Element ele : elements) {
String JdbookID = ele.attr("data-sku");
//out.println(JdbookID);
}
}
}
上面的代码是我爬京东图书提取图书的id的部分截取,可以看到select的用法与前面讲的没有什么区别。对于Element 这个类来说,如果我们要获取一个标签中的属性值或文本内容可以这样来做:
for (Element ele : elements) {
String JdbookID = ele.attr("data-sku"); //获取data-sku的属性值
//out.println(JdbookID);
String text = ele.text(); //获取当前标签(元素)的文本值
//out.println(text);
}
9.获取table的下级tr标签数据
例:获取主tr
1
张三
17
山东
邮箱
2
李四
18
哈尔滨
邮箱
3
王五
19
北京One
南北
实现
Elements rows = doc.select("tbody[id='js_video_container']>tr");