Jsoup 不匹配没有某些属性的标签？答案

【问题标题】：Jsoup not matching tags without certain attributes?Jsoup 不匹配没有某些属性的标签？
【发布时间】：2014-06-23 13:07:58
【问题描述】：

我有一个函数，给定一个 div 元素，它会在其中找到所有 img 元素。唯一的问题是只选择了前 3 个。前 3 个和其余的唯一区别是包含属性（class 和 alt）

Document doc = Jsoup.connect("http://www.dhgate.com/wholesale/kitchen-fixtures/c019034002-1.html").get();
Elements elements = doc.select("div.prolist");
for (Element e : elements) {
    String img[] = getImagesSrc(e, 1);
}
....
protected String[] getImagesSrc(Element e, int numOfImages) {
    String src[];
    src = new String[numOfImages];
    int i = 0;
    Elements imgElements = e.select("img[src]");
    for (Element o : imgElements) {
        System.out.println("html = " + o.outerHtml());
        src[i++] = o.attr("src");
    }
    return src;
}

一些示例 div 元素（这些是传递给函数的内容）

<div class="prolist">
  <a href="some link"><img class="folder" alt="Folder" src="folder.jpg"/></a>
</div>
<div...
...div>
<div class="prolist">
  <a href="some link"><img src="folder.jpg"/></a>
</div>

我不应该得到所有图像而不考虑属性吗？

我已经使用来自网站和本地主机的相同 HTML 结构测试了代码。该代码在 locahost 上有效，但在网站 (www.dhgate.com) 上无效

已解决 - 该站点使用了延迟加载插件，因此检查器中的 HTML 与 Jsoup 的读取方式不同。就我而言，我必须包含具有 [class~=lazyload]

的“a”标签

【问题讨论】：

请发布更完整的源 HTML 示例。另外，你怎么打电话给getImagesSrc()？也请提供调用方法。
理想情况下，这段代码应该打印所有带有 src 属性的 img 标签，并将 src 存储在 src 数组中，但这取决于您作为参数传递给函数的元素。可能是缺少 img 标签的特定元素。
我已经对传递给函数的内容进行了双重和三重检查，它与上面的示例元素完全相同
@MCL 我正在从我的代码主体中调用该函数，该函数会抓取其他元素（并且一切正常）。还应该说函数以前不是函数，我把它改写成函数来整理自己的代码。但无论哪种情况，我得到的结果都是一样的。
您可以编辑您的问题并提供我询问的其他信息，无需在评论中回答。

标签： java jquery html jquery-selectors jsoup

【解决方案1】：

该程序确实获得了具有类 prolist 的 div 元素内所有 img 标签的来源。但是您应该考虑到根据您的完整程序可能发生的一些问题。

for (Element e : elements) {
    String img[] = getImagesSrc(e, 1);
}

在第一个循环中，每次迭代都会覆盖 img 数组。因此，如果您有多个具有类 prolist 的 div 元素，则每个的 img 标签数组将覆盖另一个。如果要获取整个 img 或所有 div 标签，请将getImagesSrc() 方法参数更改为Elements 并直接传递doc.select("div.prolist")。

getImagesSrc() 方法的第二个参数用于初始化数组。因此，如果我们有多个 img 标签，则会导致 ArrayOutOfBoundException。图像标签的数量是不确定的。所以在这种情况下你应该使用List。如果你想要一个数组，你可以稍后从列表中创建一个数组。例如

protected String[] getImagesSrc(Element e) {
    List<String> imgSources = new ArrayList<String>();
    Elements imgElements = e.select("img[src]");
    for (Element o : imgElements) {
       imgSources.add(o.attr("src"));
    }
    return imgSources.toArray(new String[imgSources.size()]);
}

还请注意，由于您选择像 e.select("img[src]"); 这样的 img，它只会返回具有 src 属性的 img 标签。

【讨论】：