使用DOM方法遍歷文件

問題

想要從HTML文件中提取資料(通常是瞭解該HTML文件結構的)。

解決方案

在將HTML解析成Document後使用類似於操作DOM的方法。

File input = new File("/tmp/input.html");
Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");

Element content = doc.getElementById("content");
Element links = doc.getElementByTag("a");
for (Element link : links) {
	String linkHref = link.attr("href");
	String linkText = link.text();
}
 

描述

Elements物件提供一系列類似於操作DOM的方法來查詢元素、提取和操作其中的資料。DOM getters方法是上下文相關的，在父級DOM上呼叫可以獲取到文件下對應匹配的元素；在子級元素上呼叫可以獲取到子元素下的元素。可以通過這種方式篩選出想要的資料。

查詢元素：

• getElementById(String id)
• getElementsByTag(String tag)
• getElementsByClass(String className)
• getElementsByAttribute(String key)(和相關的方法)
• 相鄰元素獲取：siblingElements()、firstElementSibling()
  、lastElementSibling()、nextElementSibling()、previousElementSibling()
• 譜系：parent()、children()、child(int index)

操作元素中的資料

• 獲取屬性：attr(String key)；設定屬性：attr(String key, String value)
• 獲取所有屬性：attributes()
• id()，className()，classNames()
• 獲取文字內容：text()；設定文字內容：text(String value)
• 獲取元素內HTML：html()；設定元素內HTML：html(String value)
• 獲取元素外部HTML：outerHtml()
• 獲取資料內容：data()(e.g. script和style標籤)
• tag()、tagName()

操作HTML和文字內容

• append(String html)、prepend(String html)
• appendText(String text)、prependText(String text)
• appendElementt(String tagName)、prependElement(String tagName)
• html(String html)