Jsoup使用选择器语法来查找元素

方法：

可以使用Element.select(String selector)和Elements.select(String selector)方法实现:

File input = new File("html path");
Document document = Jsoup.parser(input, "UTF-8", "http://www.baidu.com");

Elements links = docment.select("a[href]");  //带有href属性的a元素
Elements pngs = document.select("img[src$=.png]"); 扩展名为.png的图片

Element masthead = document.select("div.masthead").first;  //获取class=masthead的div标签的第一个div
Elements resultLinks = document.select("h3.r > a"); // 获取class=r的h3元素后面的a元素

说明

jsoup elements对象支持类似CSS或者JQuery的选择器，来实现非常强大及灵活的查找功能。这个select方法在Document、Elements和Element中都可以使用，且是上下文相关的，因此可以实现指定元素的过滤，或者链式选择访问。
Select方法将返回一个Elements集合，并提供一组方法来抽取和处理结果。

Selector选择器概述：

tagname:通过标签查找元素，比如:a
ns|tag:通过标签在命名空间查找元素，比如:可以用fb|name语法来查找元素
#id:通过ID查找元素，比如:#logo
.class:通过class名称查找元素，比如:.masthead
[attrbute]:利用属性查找元素,比如:[href]
[^attr]:利用属性名称前缀来查找元素，比如:可以用[^data-]来查找带有HTML5 Dataset属性的元素
[attr=value]:利用属性值来查找元素,比如:[width=500]
[attr^=value]、[attr$=value]、[attr*=value]:利用匹配属性值开头、结尾或包含属性值来查找元素,比如:[href*=/path/detail?date=20180419]
[attr~=regex]:利用属性值匹配正则表达式来查找元素,比如:
*:这个符号将匹配所有

Selector选择组合使用

el#id:元素+ID，比如:div#logo
el.class:元素+class,比如:div.masthead
el[attr]:元素+class, 比如:a[href]
任意组合,比如:a[href].highlight
ancestor child:查找某个元素下的子元素,比如:可以用.body p查找在body元素下的所有p元素
parent > child:查找某个父元素下的直接子元素,比如:可以用div.content >p查找p元素,也可以用body>*查找body标签下所有直接子元素
siblingA + siblingB:查找在A元素之前第一个同级元素B，比如:div.head + div
slblingA ~ siblingX:查找A元素之前的同级X元素,比如:h1~p
el,el,el:多个选择器组合，查找匹配任意选择器的唯一元素,例如:div.masthead,div.logo

伪选择器Selector

:lt(n):查找哪些元素的同级索引值小于n，比如:td:lt(3)表示小于三列的元素值
:gt(n):查找哪些元素的同级索引值大于n,比如：div p:gt(2)表示哪些div中有包含2个以上的p元素
:eq(n):查找哪些元素的同级索引值与n相等,比如: from input:eq(1)表示包含一个inout标签的Form元素
:has(selector):查找匹配选择器包含元素的元素,比如:div:has(p)表示哪些div包含p元素
:not(selector):查找与选择器不匹配的元素,比如:div:not(.logo)表示不包含class=logo元素的所有div列表
:contains(text):查找包含给定文本的元素,搜索不区分大小写,比如 p:contains(jsoup)
:containsOwn(text):查找直接包含给定文本的元素
:matches(regex):查找哪些元素的文本匹配指定的正则表达式，比如:div:matches((?i)login)
:matchesOwn(regex):查找自身包含文本匹配指定正则表达式的元素