使用選擇器語法查詢元素

問題

想要使用類似於CSS或jQuery的選擇器語法查詢和操作元素。

解決方案

使用Element.select(String selector)和Elements.select(String selector)方法:

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

Elements links = doc.select("a[href]");
Elements pngs = doc.select("img[src$=.png]");

Element masthead = doc.select("div.masthead").first();

Elements resultLinks = doc.select("h3.r > a");
 

描述

jsoup elements物件支援類似於CSS或jQuery的選擇器語法來查詢匹配的元素，允許非常強大和健壯的查詢。 select方法可以被使用到Document、Element或Elements物件中，它是上下文相關的，所以可以用來過濾出指定元素，或是鏈式呼叫進行選擇元素。 select返回Elements集合，並提供一系列方法來提取和操作資料。

Selector概述

• tagname: 通過標籤來查詢元素，e.g. a、p
• ns|tag: 通過名稱空間下標籤查詢元素，e.g. 使用fb|name來查詢<fb:name>元素
• #id: 通過ID查詢元素，e.g. #logo
• .class: 通過class名稱查詢元素，e.g. .masthead
• [attribute]: 利用屬性查詢元素，e.g. [href]
• [^attr]: 利用屬性名字首來查詢元素，e.g. 使用[^data-]來查詢帶有HTML5 Dataset屬性的元素
• [attr=value]: 利用屬性值來查詢元素，e.g. [width=500]
• [attr^=value], [attr$=value], [attr*=value]: 利用匹配屬性值開頭、結尾或包含屬性值來查詢元素，e.g. [href*=/path/]
• [attr~=regex]: 利用屬性值匹配正則表示式來查詢元素，e.g. img[src~=(?i)\.(png|jpe?g)]
• *: 這個符號將匹配所有元素

組合選擇器

• el#id: 元素+ID, e.g. div#logo
• el.class: 元素+class, e.g. div.masthead
• el[attr]: 元素+屬性名稱, e.g. a[href]
• 任意組合，e.g. a[href].highlight
• ancestor child: 祖先元素下的所有子元素, e.g. .body p 查詢p 有body樣式的元素下的所有p元素
• parent > child: 父級元素下的所有直接子元素(一級子元素)， e.g. div.content > p 查詢div下的所有p元素；body > * body下的所有直接子元素(一級子元素)
• siblingA + siblingB: 查詢A元素之前的第一個同級B元素，e.g. div.head + div
• siblingA ~ siblingX: 查詢A元素之前的同級X元素，e.g. h1 ~ p
• el, el, el: 多選擇器，查詢匹配任一選擇器的元素，e.g. div.masthead, div.logo

偽類選擇器

• :lt(n): 查詢索引值 (i.e. 位於DOM樹中相對於其父級元素的位置)小於n的同級元素，e.g. td:lt(3)
• :gt(n):查詢索引值大於n的同級元素，e.g. div p:gt(2)
• :eq(n): 查詢索引值等於n的同級元素，e.g. form input:eq(1)
• :has(selector): 查詢包含‘指定選擇器匹配到元素’的元素，e.g. div:has(p)
• :not(selector): 查詢與指定選擇器不匹配的元素，e.g. div:not(.logo)
• :contains(text): 查詢包含給定文字的元素，搜尋時對大小寫不敏感，e.g. p:contains(jsoup)
• :containsOwn(text): 查詢直接包含(即元素本身包含而不包括子類元素)給定文字的元素
• :matches(regex): 查詢包含與指定正則表示式相匹配文字的元素，e.g. div:matches((?i)login)
• :matchesOwn(regex): 查詢直接包含(即元素本身包含而不包括子類元素)與指定正則表示式相匹配文字的元素，
• 注意：上述偽類選擇器中的索引是從0開始的，第一個元素的索引是0，第二個元素的索引是1，以此類推… 可以參閱Selector API來檢視完整的支援列表和詳細資訊。