java - Jsoup 选择其子元素不包含特定标记的元素

Question

我正在使用 Jsoup 从网页中提取链接，但我想避免使用 img 链接。所以下面的代码:

Document doc = Jsoup.connect(i_Url).userAgent("chrome/5.0").get();
Elements links = doc.select("a[href]");

会给我所有的链接，但其中一些是图片。执行以下操作:

links.stream().filter(link -> !link.tagName().equals("img"));

不会工作，因为元素的 (=link) child 是带有 img 标签的元素，例如:

<a href="index.htm" title="tutorialspoint">
  <img alt="tutorialspoint" src="/java/images/logo.png">
</a>

我尝试了各种方法，例如:

Elements links = doc.select("a[href]").select(":not(img)"); //or
Elements links = doc.select("a[href]:not(img)"); //or
Elements links = doc.select("a[href]")
links.stream().filter(link -> link.children().contains(Tag.valueOf("img")));

我只是尝试了各种变体，但没有一个奏效。在 html 方面，我不是专家。帮助将不胜感激。谢谢

Answer 1

使用以下选择器:

a[href]:not(:has(img))

我刚刚通过以下单元测试对其进行了测试，效果非常好:

@Test
public void testParsingLinksWithoutImagesInside() {
    //given:
    String html = "<a href=\"index.htm\" title=\"tutorialspoint\">\n" +
            "  <img alt=\"tutorialspoint\" src=\"/java/images/logo.png\">\n" +
            "</a>";

    //when:
    Document document = Jsoup.parse(html);
    Elements elements = document.select("a[href]:not(:has(img))");

    //then:
    assertThat(elements.size()).isEqualTo(0);
}

希望对你有帮助:)