使用选择器语法来查找元素
问题
你想使用类似于CSS或jQuery的语法来查找和操作元素。
方法
可以使用Element.select(String selector)
和 Elements.select(String selector)
方法实现：
File input = new File("/tmp/input.html");Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");Elements links = doc.select("a[href]"); //带有href属性的a元素Elements pngs = doc.select("img[src$=.png]"); //扩展名为.png的图片Element masthead = doc.select("div.masthead").first(); //class等于masthead的div标签Elements resultLinks = doc.select("h3.r > a"); //在h3元素之后的a元素
说明
jsoup elements对象支持类似于CSS (或jquery)的选择器语法，来实现非常强大和灵活的查找功能。.
这个select
方法在Document
, Element
,或Elements
对象中都可以使用。且是上下文相关的，因此可实现指定元素的过滤，或者链式选择访问。
Select方法将返回一个Elements
集合，并提供一组方法来抽取和处理结果。
Selector选择器概述
tagname
: 通过标签查找元素，比如：a
ns|tag
: 通过标签在命名空间查找元素，比如：可以用 fb|name
语法来查找
元素
id
: 通过ID查找元素，比如：#logo
.class
: 通过class名称查找元素，比如：.masthead
[attribute]
: 利用属性查找元素，比如：[href]
[^attr]
: 利用属性名前缀来查找元素，比如：可以用[^data-]
来查找带有HTML5 Dataset属性的元素
[attr=value]
: 利用属性值来查找元素，比如：[width=500]
[attr^=value]
, [attr$=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/]
[attr~=regex]
: 利用属性值匹配正则表达式来查找元素，比如： img[src~=(?i).(png|jpe?g)]
: 这个符号将匹配所有元素
Selector选择器组合使用
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
siblingA ~ 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，查找匹配任一选择器的唯一元素，例如：div.masthead, div.logo
伪选择器selectors
:lt(n)
: 查找哪些元素的同级索引值（它的位置在DOM树中是相对于它的父节点）小于n，比如：td:lt(3)
表示小于三列的元素
: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：form input:eq(1)
表示包含一个input标签的Form元素
:has(seletor)
: 查找匹配选择器包含元素的元素，比如：div:has(p)
表示哪些div包含了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，搜索不区分大不写，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