[一点笔记]Jsoup中的select语法

select详解

Document 继承自 Element 类。Select方法将返回一个Elements集合。

1.通过标签名来查找：
测试代码：

<span>33</span><span>25</span>
1
2

select写法：

Elements elements = document.select("span");
1

下面的例子都按照上面的格式来写，就不进行重复的标注了。

2.通过id来查找：

<span  id=\"mySpan\">36</span><span>20</span>
1
2

Elements elements = document.select("#mySpan");//通过id来查找，使用方法跟css指定元素一样，用#
1
2

3.通过class名来查找：

<span class="myClass">36</span><span>20</span>
1
2

Elements elements = document.select(".myClass");//使用方法跟css指定元素一样，用.
1
2

4.利用标签内属性名查找元素：

<span class="class1" id="id1">36</span><span class="class2" id="id2">36</span>
1
2

Elements elements = document.select("span[class=class1]span[id=id1]");//规则为 标签名【属性名=属性值】，多个属性即多个【】，如上
1
2

5.利用标签内属性名前缀查找元素：

<span class="class1" >36</span><span class="class2" >22</span>
1
2

Elements elements = document.select("span[^cl]");//规则为 标签名【^属性名前缀】，多个属性即多个【】
1
2

6.利用标签内属性名+正则表达式查找元素
对正则表达式不了解的同学下去一定要学习正则表达式哦，因为它在爬虫中可是很重要的。

<span class="ABC" >36</span><span class="ADE" >22</span>
1
2

Elements elements = document.select("span[class~=^AB]");//规则为 标签名【属性名~=正则表达式】，以上的正则表达式的意思是查找class值以AB为开头的标签
1
2

7.利用标签文本包含某些内容来查找：

<span>36</span><span>22</span>
1
2

Elements elements = document.select("span:contains(3)");//规则为 标签名:contains(文本值)
1
2

8.利用标签文本包含某些内容+正则表达式来查找：

<span>36</span><span>22</span>
1
2

Elements elements = document.select("span:matchesOwn(^3)");//规则为 标签名:matchesOwn(正则表达式)，以上的正则表式的意思是以文本值以3为开头的标签
1
2

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 <fb:name> 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
• 注意：上述伪选择器索引是从0开始的，也就是说第一个元素索引值为0，第二个元素index为1等

可以查看Selector API参考来了解更详细的内容