本文档旨在指导开发者如何使用 Jsoup 库从 HTML 页面中提取特定菜单组下的元素，尤其是在页面结构复杂，包含多个相似的卡片式结构时。通过精确定位目标菜单组，并利用其唯一的标识符，我们可以有效地提取所需的数据，避免抓取整个页面的信息。
目标
假设我们需要从一个包含多个菜单组的网页中，仅提取特定菜单组（例如 “Freshen’s”）下的所有 row recipe_container div 元素。网页结构如下：
解决方案
以下是使用 Jsoup 实现此目标的 Java 代码：
import org.jsoup.Jsoup;import org.jsoup.nodes.Document;import org.jsoup.nodes.Element;import org.jsoup.select.Elements;import java.io.IOException;public class JsoupMenuScraper { public static void main(String[] args) throws IOException { String pageUrl = "your_page_url_here"; // 替换为你的网页URL String inputMenuHeading = "Freshen's"; // 1. 连接到网页并解析 HTML Document doc = Jsoup.connect(pageUrl).get(); // 2. 找到包含目标菜单标题的 card-header 元素，并提取 data-target 属性 String targetId = doc.select("[class=card-header][id*=menu_group_heading]") .stream() .filter(e -> e.html().contains(inputMenuHeading)) .findFirst() .map(e -> e.select("a").attr("data-target")) .orElse(null); // 3. 如果找到了目标 ID，则选择目标菜单组下的所有 row recipe_container 元素 if (targetId != null && !targetId.isEmpty()) { Elements result = doc.select(String.format("%s .card-body .row.recipe_container", targetId)); // 4. 打印结果或进行其他处理 System.out.println("Found " + result.size() + " recipe containers for " + inputMenuHeading + ":"); for (Element element : result) { System.out.println(element.outerHtml()); // 打印整个元素 // 或者提取特定数据 // System.out.println(element.text()); // 打印文本内容 } } else { System.out.println("Menu heading '" + inputMenuHeading + "' not found."); } }}
代码解释：
连接并解析 HTML： 使用 Jsoup.connect(pageUrl).get() 连接到目标网页并将其解析为 Document 对象。查找目标菜单标题：doc.select(“[class=card-header][id*=menu_group_heading]”) 选择所有 class 为 card-header 且 id 包含 menu_group_heading 的元素。.stream().filter(e -> e.html().contains(inputMenuHeading)) 过滤出包含指定菜单标题的元素。.findFirst().map(e -> e.select(“a”).attr(“data-target”)) 获取第一个匹配元素的 a 标签的 data-target 属性值。.orElse(null) 如果没有找到匹配的元素，则返回 null。选择目标元素：doc.select(String.format(“%s .card-body .row.recipe_container”, targetId)) 使用 targetId 构建 CSS 选择器，选择指定 ID 下的 card-body 元素内部的所有 class 同时包含 row 和 recipe_container 的元素。打印结果： 遍历 result 集合，打印每个元素的 HTML 或提取所需的数据。
注意事项：
URL 替换： 将 your_page_url_here 替换为实际的网页 URL。异常处理： 在实际应用中，需要添加适当的异常处理，例如 try-catch 块，以处理网络连接错误或 HTML 解析错误。CSS 选择器： 根据实际网页结构调整 CSS 选择器。orElse(null)： 确保在找不到目标菜单标题时，程序不会抛出 NoSuchElementException 异常。数据提取： element.outerHtml() 打印整个元素的 HTML，你可以使用其他 Jsoup 方法（如 element.text()、element.attr(“属性名”)）提取特定的数据。网页结构变化： 网页结构可能会发生变化，需要定期检查并更新代码。
总结
通过使用 Jsoup 的强大选择器和灵活的 API，我们可以轻松地从复杂的 HTML 页面中提取所需的数据。 本教程展示了如何通过定位特定菜单组，并利用其唯一的标识符，提取该组下的所有相关元素。 在实际应用中，需要根据具体的网页结构进行适当的调整和优化。
以上就是使用 Jsoup 解析特定菜单组中的元素的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/117548.html
微信扫一扫 
支付宝扫一扫 
