select详解
Document 继承自 Element 类。select方法将返回一个Elements集合。
1.通过标签名来查找：
1 2 3 | 测试代码： <span>33</span> <span>25</span> |
select写法：Elements elements = document.select("span");
下面的例子都按照上面的格式来写，就不进行重复的标注了。
2.通过id来查找：
1 2 | <span id="mySpan">36</span> <span>20</span> |
select写法： Elements elements = document.select("#mySpan");
//通过id来查找，使用方法跟css指定元素一样，用#
3.通过class名来查找：
1 2 | <span class="myClass">36</span> <span>20</span> |
select写法：Elements elements = document.select(".myClass");
//使用方法跟css指定元素一样，用.
4.利用标签内属性名查找元素：
1 2 | <span class="class1" id="id1">36</span> <span class="class2" id="id2">36</span> |
select写法：Elements elements = document.select("span[class=class1]span[id=id1]");
//规则为 标签名【属性名=属性值】，多个属性即多个【】，如上
5.利用标签内属性名前缀查找元素：
1 2 | <span class="class1" >36</span> <span class="class2" >22</span> |
select写法：Elements elements = document.select("span[^cl]");
//规则为 标签名【^属性名前缀】，多个属性即多个【】
6.利用标签内属性名+正则表达式查找元素
对正则表达式不了解的同学下去一定要学习正则表达式哦，因为它在爬虫中可是很重要的。
1 2 | <span class="ABC" >36</span> <span class="ADE" >22</span> |
select写法：Elements elements = document.select("span[class~=^AB]");
//规则为 标签名【属性名~=正则表达式】，以上的正则表达式的意思是查找class值以AB为开头的标签
7.利用标签文本包含某些内容来查找：
1 2 | <span>36</span> <span>22</span> |
select写法：Elements elements = document.select("span:contains(3)");
//规则为 标签名:contains(文本值)
8.利用标签文本包含某些内容+正则表达式来查找：
1 2 | <span>36</span> <span>22</span> |
select写法：Elements elements = document.select("span:matchesOwn(^3)");
//规则为 标签名:matchesOwn(正则表达式)，以上的正则表式的意思是以文本值以3为开头的标签
当然select还有其他强大的功能，如果对select感兴趣的同学可以查看select API，我只是列出了获取网页特定内容所需要的select的基本语法，基本上对于大部分的爬虫需求来说已经足够了。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 | # 下来给大家展示一个使用select获取特定元素值的代码： public class SelectDemo { public static void test(String html) { //采用Jsoup解析 Document doc = Jsoup.parse(html); //System.out.println(html); //获取html标签中的内容 Elements elements = doc.select("ul[class=gl-warp clearfix]") .select("li[class=gl-item]"); for (Element ele : elements) { String JdbookID = ele.attr("data-sku"); //out.println(JdbookID); } } } |
上面的代码是我爬京东图书提取图书的id的部分截取，可以看到select的用法与前面讲的没有什么区别。对于Element 这个类来说，如果我们要获取一个标签中的属性值或文本内容可以这样来做：
1 2 3 4 5 6 | for (Element ele : elements) { String JdbookID = ele.attr("data-sku"); //获取data-sku的属性值 //out.println(JdbookID); String text = ele.text(); //获取当前标签（元素）的文本值 //out.println(text); } |
原文链接：https://blog.csdn.net/championhengyi/article/details/68491306