Android 使用 JSOUP 处理 HTML答案

【问题标题】：Android using JSOUP for HTMLAndroid 使用 JSOUP 处理 HTML
【发布时间】：2014-01-12 06:38:19
【问题描述】：

当我使用 JSOUP 解析这个 html 文档时，我完全迷茫了……

我并不是要直接要求代码，但如果有人有时间或可以让我开始，那就太好了...

这是文档： http://radar.weather.gov/ridge/RadarImg/N0R/ILN/

如果您查看我正在尝试获取这些行的源代码：

<tr><td valign="top"><img src="/icons/image2.gif" alt="[IMG]"></td><td><a href="ILN_20140112_0021_N0R.gif">ILN_20140112_0021_N0R.gif</a></td><td align="right">12-Jan-2014 00:23  </td><td align="right">2.2K</td><td>&nbsp;</td></tr>

正如您所注意到的，其中有很多...我需要

中的值

<a href=

我还需要前十行中的值...

正如我所说，如果有人有时间帮助我，将不胜感激！

【问题讨论】：

我建议你阅读cookbook
你需要这个“ILN_20140112_0021_N0R.gif”作为值吗？
Yasir：是的，我需要那个字符串
如果可能*我需要前 10 行的字符串

标签： java html-parsing jsoup

【解决方案1】：

首先你需要将HTML的内容存入一个Document中（解释更多here）：

String url = "http://radar.weather.gov/ridge/RadarImg/N0R/ILN/";    
Document doc = Jsoup.connect(url).get();

接下来从文档中选择您想要的元素（请参阅here）。在以下行中，它将选择所有具有href 属性且包含字符串"gif" 的<a> 元素：

Elements links = doc.select("a[href]:contains(gif)");

然后要打印前十个中的值，您可以使用循环。 attr() 方法允许您仅提取某个属性的值，而不是完整的 HTML 或其文本：

for (int i=0;i<10;i++) {
    System.out.println(links.get(i).attr("href"));
}

输出是：

ILN_20140112_0221_N0R.gif
ILN_20140112_0227_N0R.gif
ILN_20140112_0232_N0R.gif
ILN_20140112_0237_N0R.gif
ILN_20140112_0242_N0R.gif
ILN_20140112_0248_N0R.gif
ILN_20140112_0253_N0R.gif
ILN_20140112_0258_N0R.gif
ILN_20140112_0303_N0R.gif
ILN_20140112_0308_N0R.gif

这基本上是您将在 Jsoup 中进行的大多数解析的基本方法。您应该尝试从页面中提取一些其他元素（使用 this page 供参考）。

【讨论】：

非常感谢！我只是不擅长解析器！我大麦以标准化的方式解析 XML！先生，我认为您非常感谢您的时间，更感谢您的深入解释！
@user3047494 很高兴为您提供帮助。请注意，我刚刚修复了 for 循环中的一个小错误，因此它现在应该正确输出前十个。
谢谢 :) 有学习 JSOUP 的好网站吗？我真的很喜欢 HTML 解析器的想法！

【解决方案2】：

试试这个

String TestUrl = "<tr><td><img src='/icons/image2.gif' alt='[IMG]'></td><td><a href='ILN_20140112_0021_N0R.gif'>ILN_20140112_0021_N0R.gif</a></td><td align='right'>12-Jan-2014 00:23</td><td align='right'>2.2K</td><td>&nbsp;</td></tr>";
Document doc =  Jsoup.parse(TestUrl);
Element link = doc.select("a").first();
/**
* value will be "ILN_20140112_0021_N0R.gif"
*/
String value = link.text();

【讨论】：

【解决方案3】：

编辑：请参阅 @ashatte 的解决方案。

Document doc = Jsoup.parse
                 (new URL("http://radar.weather.gov/ridge/RadarImg/N0R/ILN/"),
                    3000); 
          //Or whatever your link is; 3000 is timeout

            int ignoreCount = 0; 
            //using a counter to ignore top 2 lines 
            for (Element item : doc.select("tr")) {
            // Selects the <tr> elements so item is a single <tr>
                if (a > 1) {
                    Element link = item.select("a").first(); 
                         // selects first <a> element
                    if (link != null && link.hasAttr("href"))
                        String href = link.attr("href"));
                         // fetches href attribute from the selected <a> 
                }
                a++;
            }

这只是众多方法中的一种。我强烈建议你阅读JSOUP cookbook

【讨论】：