Java Jsoup:has（）选择器未按预期工作

我正在尝试解析一个包含多个单元格的HTML表，其结构如下：

细节
细节
...

“id”属性、“a”元素和“href”属性以及“span”元素是重要的细节，这两个元素直接嵌套。 我试着用

select("[id^=topic]"
          + ":has(> b > a[href])"
          + ":has(> span.s)")

但是结果列表是空的。当我将其更改为：

select("td[id^=topic]"
          + ":has(td > b > a[href])"
          + ":has(td > span.s)")

但我不希望选择器依赖于根元素是“td”这一事实，从文档判断，前者也应该工作。以下操作也不起作用：

select("[id^=topic]"
          + ":has(:root > b > a[href])"
          + ":has(:root > span.s)")

我做错什么了吗？顺便说一下，使用Jsoup 1.8.3。

中的选择器：has（selector）包括父元素。我认为

>b

在JSoup中不是一个有效的选择器，但是

*>b

应该可以，它允许任何父元素。因此，这应该是可行的：

select("[id^=topic]"
      + ":has(* > b > a[href])"
      + ":has(* > span.s)")

Edit1回应评论：

要使

：has（selector）

的选择器更有可能是

[id^=topic]

的直接子级，您还可以执行以下操作：

select("[id^=topic]"
      + ":has([id^=topic] > b > a[href])"
      + ":has([id^=topic] > span.s)")

当然，这还不能保证，因为父对象的内部子对象也可能携带以

主题

开头的id

Edit2

类似于，您可以通过将选择器分为两部分来确保。首先，我们匹配ID以topic开头的所有元素。然后我们循环这些元素并构造一个包含特定id的新选择器。只要所有元素的id都是独立的，这就可以工作

String html = "<table><tr><td id=\"topic1234\">" +
        "<a name='1234'></a>" +
        "<div><b><a href='/url'>Title</a></b></div>" +
        "<span class='s'>Details</span></td>\n" +
        "<td id=\"topic2345\">\n" +
        "    <a name='2345'></a>\n" +
        "    <b><a href='/url'>Title</a></b>\n" +
        "    <span class='s'>Details</span>\n" +
        "</td>"+
        "<td id=\"topic3456\">\n" +
        "    <div id=\"topic4567\"><a name='3456'></a>\n" +
        "    <b><a href='/url'>Title</a></b>\n" +
        "    <span class='s'>Details</span>\n" +
        "    </div>" +
        "</td></tr></table>";

Document doc = Jsoup.parse(html);
Elements selected = doc.select("[id^=topic]");
for (Element elem : selected) {
  String idStr = elem.attr("id");
  Element el = elem.select(":has(#"+idStr+" > b > a[href]):has(#"+idStr+" > span.s)").first();
  if (el != null){
      System.out.println("found matching element: "+el);
  }
  if (el != null){
      System.out.println("does not really match: "+el);
  }
}

String html=“”+
"" +
“详细信息\n”+
“\n”+
“\n”+
“详细信息\n”+
""+
“\n”+
“\n”+
“详细信息\n”+
"    " +
"";
Document doc=Jsoup.parse（html）；
所选元素=文档选择（“[id^=主题]”）；
对于（元素元素：选定）{
字符串idStr=elem.attr（“id”）；
Element el=elem.select（“：has（#“+idStr+”>b>a[href]）：has（#“+idStr+”>span.s）”）.first（）；
如果（el！=null）{
System.out.println（“找到匹配元素：“+el”）；
}
如果（el！=null）{
System.out.println（“不匹配：+el”）；
}
}

我认为不可能为您需要的内容编写一个选择器，因为JSoup不支持像

：has（>tag）

这样的语法

但是，我认为您可以将选择器拆分为多个部分：

String html = "<table><td id=\"topic1234\">" +
                  "<a name='1234'></a>" +
                  "<div><b><a href='/url'>Title</a></b></div>" +
                  "<span class='s'>Details</span></td>\n" +
                  "<td id=\"topic2345\">\n" +
                  "    <a name='2345'></a>\n" +
                  "    <b><a href='/url'>Title</a></b>\n" +
                  "    <span class='s'>Details</span>\n" +
                  "</td></table>"

Document doc = Jsoup.parse(html);
Elements selected = doc.select("[id^=topic]");
for (Element elem : selected) {
    // Check if "b > a[href]" is a direct child of "td"
    if (elem.select(":root > b > a[href]").size() > 0) {
        System.out.println("Found: "+elem);
    } else {
        System.out.println("Not found:"+elem);
    }
}

String html=“”+
"" +
“详细信息\n”+
“\n”+
“\n”+
“详细信息\n”+
""
Document doc=Jsoup.parse（html）；
所选元素=文档选择（“[id^=主题]”）；
对于（元素元素：选定）{
//检查“b>a[href]”是否是“td”的直接子级
如果（元素选择（“：root>b>a[href]”）。大小（）>0）{
System.out.println（“发现：+elem”）；
}否则{
System.out.println（“未找到：+elem”）；
}
}

i、 e.html代码如下所示：

细节
细节

返回：

未找到

：
细节
发现：详细信息

显然，第二种情况（即

span.s

）也可以采用同样的方法

---

请注意，在这种情况下，

：root

选择器起作用，因为

elem

的根元素是

td

，而不是

表

，

：root

不起作用，因为它总是引用文档根，而与选择器的范围无关-在HTML中，这通常是无效的。在selectors-4中，这通常由

：scope

-我怀疑它在jsoup中是否起作用，但是…可能

：has（>b>）

不起作用，因为jsoup也不支持相对选择器，在这种情况下，您可能不得不选择

[id^=…]

元素并单独检查其子元素。在这种情况下，使用选择器可以得到的最接近的结果是

：has（b>…）

，但我相信您知道这并不意味着完全相同的事情。您的完整HTML是如何构造的？我的意思是，

元素是否存在于

标记中？我之所以问你这个问题，是因为根据，JSoup无法检测到“lone”

td

s.@user2340612:好吧，考虑到问题的第一句话，我假设这些单元格确实存在于一个表中。@user2340612:无论哪种方式，都不需要显式：）注意

：has（*>b）

等同于

：has（b）

，即使

b

不是id为的元素的子元素，而是其中某个其他元素的子元素，它也会匹配。感谢您的回复。您的第二个选项对我来说很好，因为

主题

ID没有嵌套。