java - 如何使用 Jsoup 解析 HTMl 文件

Question

我有一个 html 表格，想要根据特定条件提取链接文本

<table border="0" cellpadding="3" cellspacing="0" width="100%">
<tbody>
<tr class="dir"><td colspan="2">&nbsp;&nbsp;<a href="http://xyz/">Yogendra sharma</a></td></tr>
<tr>
<td class="f"><a href="abc">abc</a>&nbsp;</td>
<td>
<tt class="con">
<a class="s" href="mno"><span class="l">7</span> mno <b>Hello</b>;</a>
<br>
</tt>
</td></tr>

<tr class="dir"><td colspan="2">&nbsp;&nbsp;<a href="http://xyz/">Yogendra</a></td></tr>
<tr>
<td class="f"><a href="abc">abc</a>&nbsp;</td>
<td>
<tt class="con">
<a class="s" href="mno"><span class="l">7</span> mno <b>Hello</b>;</a>
<br>
</tt>
</td></tr>
</table>

我想打印所有第一个链接文本，即 html 文件的 Yogendra Sharma 和 Yogendra。

这个文件很大。

我使用 java 和 jsoup 但无法弄清楚。请帮助我。

Answer 1

您可以尝试以下代码。您需要 commons-io-1.3.2.jar 、 jsoup.jar。将 html 保存为项目根文件夹中的 sample.html。

import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.util.Iterator;

import org.apache.commons.io.IOUtils;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class ExtractFromHTML {

    public static void main(String[] args) throws IOException {

        File input = new File("sample.html");

        InputStream in = new FileInputStream(input);

        String htmlOut = IOUtils.toString(in);

        Document document = Jsoup.parse(htmlOut);

        Elements elementsA = document.select("a");

        Iterator<Element> elementIterator = elementsA.iterator();

        while (elementIterator.hasNext()) {
            Element aElement = elementIterator.next();

            if (aElement.outerHtml().contains("http://xyz/")) {
                System.out.println(aElement.text());
            }

        }
    }
}

输出:

Yogendra sharma
Yogendra