java - 使用 Jsoup 提取和解析 HTML 表格

Question

我如何使用 Jsoup 从 this website 中提取规范数据？分别为每一行，例如网络->网络类型、电池等

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class mobilereviews {
    public static void main(String[] args) throws Exception {
        Document doc = Jsoup.connect("http://mobilereviews.net/details-for-Motorola%20L7.htm").get();
        for (Element table : doc.select("table")) {
            for (Element row : table.select("tr")) {
                Elements tds = row.select("td");
                System.out.println(tds.get(0).text());   
            }
        }
    }
}

Answer 1

这是为您的问题找到解决方案的尝试

Document doc = Jsoup.connect("http://mobilereviews.net/details-for-Motorola%20L7.htm").get();

for (Element table : doc.select("table[id=phone_details]")) {
     for (Element row : table.select("tr:gt(2)")) {
        Elements tds = row.select("td:not([rowspan])");
        System.out.println(tds.get(0).text() + "->" + tds.get(1).text());
     }
}

解析 HTML 很棘手，如果 HTML 更改，您的代码也需要更改。

您需要先研究 HTML 标记以得出您的解析规则。

• HTML 中有多个表格，因此您首先要过滤正确的表格 table[id=phone_details]
• 前 2 行表格仅包含格式化标记，因此请跳过它们 tr:gt(2)
• 每隔一行以内容类型的全局描述开始，将其过滤掉td:not([rowspan])

有关选择器语法中更复杂的选项，请查看此处 http://jsoup.org/cookbook/extracting-data/selector-syntax