Java Jsoup在指定标记后开始解析,还是从页面底部开始?
我有一个用Jsoup解析的HTML块,但是,并不是所有的都是相关的,解析不相关的部分会丢弃我的数据集 在站点上,有一个可以随时更改的标题。在这个标题中有链接,但我不关心这些链接。当Jsoup解析文档时,它会将这些想法添加到我的链接数组中,并抛出我的值 我感兴趣的HTML是在Java Jsoup在指定标记后开始解析,还是从页面底部开始?,java,android,html,html-parsing,jsoup,Java,Android,Html,Html Parsing,Jsoup,我有一个用Jsoup解析的HTML块,但是,并不是所有的都是相关的,解析不相关的部分会丢弃我的数据集 在站点上,有一个可以随时更改的标题。在这个标题中有链接,但我不关心这些链接。当Jsoup解析文档时,它会将这些想法添加到我的链接数组中,并抛出我的值 我感兴趣的HTML是在 标签 我希望能够告诉Jsoup忽略该标记上方的所有内容。这可能吗?如果没有,我可以通过从文档底部开始解析来解决这个问题,但我也不确定该怎么做 我的Jsoup查询如下。请忽略所有注释掉的行和调试语句,我已经尝试解决这个问题一
标签
我希望能够告诉Jsoup忽略该标记上方的所有内容。这可能吗?如果没有,我可以通过从文档底部开始解析来解决这个问题,但我也不确定该怎么做
我的Jsoup查询如下。请忽略所有注释掉的行和调试语句,我已经尝试解决这个问题一段时间了,但仍然有测试代码
Thread getTitlesThread = new Thread() {
public void run() {
TitleResults titleArray = new TitleResults();
StringBuilder whole = new StringBuilder();
try {
URL url = new URL(
Constants.FORUM);
HttpURLConnection urlConnection = (HttpURLConnection) url.openConnection();
urlConnection.setRequestProperty("User-Agent", "Mozilla/5.0 (Macintosh; U; Intel Mac OS X 10.4; en-US; rv:1.9.2.2) Gecko/20100316 Firefox/3.6.2");
try {
BufferedReader in = new BufferedReader(
new InputStreamReader(new BufferedInputStream(urlConnection.getInputStream())));
String inputLine;
while ((inputLine = in.readLine()) != null)
whole.append(inputLine);
in.close();
} catch (IOException e) {}
finally {
urlConnection.disconnect();
}
} catch (Exception e) {}
Document doc = Parser.parse(whole.toString(), Constants.FORUM);
Elements threads = doc.select("TOPICS > .topic_title");
Elements authors = doc.select("a[hovercard-ref]");
// for (Element author : authors) {
// authorArray.add(author.text());
// }
// cleanAuthors();
if (threads.isEmpty()) {
Log.d("POC", "EMPTY BRO!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!11");
}
// for (Element thread : threads) {
// titleArray = new TitleResults();
// Log.d("POC", thread.toString());
//
// titleArray.setAuthorDate(authorArray.get(0));
// authorArray.remove(0);
//Thread title
// threadTitle = thread.text();
// titleArray.setItemName(threadTitle);
//
// //Thread link
// String threadStr = thread.attr("abs:href");
// String endTag = "/page__view__getnewpost"; //trim link
// threadStr = new String(threadStr.replace(endTag, ""));
// threadArray.add(threadStr);
// results.add(titleArray);
// }
}
};
getTitlesThread.start();
根据您的描述,这应该是可行的(如果没有实际的HTML输入,很难确定):
文档=。。。;
Elements=document.getAllegements();
元素注释=null;
int size=elements.size();
for(int i=0;comment==null&&i
根据您的描述,这应该是可行的(如果没有实际的HTML输入,很难确定):
文档=。。。;
Elements=document.getAllegements();
元素注释=null;
int size=elements.size();
for(int i=0;comment==null&&i
删除文档中不希望使用的部分:
Document doc = Parser.parse(whole.toString().replaceAll("<!-- end ad tag -->?.*?<!-- BEGIN TOPICS -->", ""), Constants.FORUM);
Document doc=Parser.parse(整.toString().replaceAll(“?*”,”),Constants.FORUM);
其中,
是我想要忽略的内容的开始,而
是结束。删除文档中不希望解析的部分:
Document doc = Parser.parse(whole.toString().replaceAll("<!-- end ad tag -->?.*?<!-- BEGIN TOPICS -->", ""), Constants.FORUM);
Document doc=Parser.parse(整.toString().replaceAll(“?*”,”),Constants.FORUM);
其中,
是我想要忽略的开始,
是结束。我能够使用Document doc=Parser.parse(whole.toString().replaceAll(“?*”,“)、Constants.FORUM)来实现它代码>其中
是我想要忽略的开始,而
是结束。我能够使用Document doc=Parser.parse(whole.toString().replaceAll(“?*”,“)、Constants.FORUM)让它工作代码>其中,
是我想忽略的内容的开始,
是结束。如果你查看我对这个问题的评论,在开始解析元素之前,我只是删除了所有我不想要的内容。不幸的是,我的代表不够高,我无法在接下来的7个小时内回答我自己的问题。如果你查看我对这个问题的评论,在我开始解析元素之前,我只是删除了我不想要的所有内容。不幸的是,我的代表不够高,我无法在接下来的7个小时内回答我自己的问题。这个论坛是什么?你能链接到相应的javadoc或其他东西吗?这个Constants.FORUM是什么?你能链接到相应的javadoc或其他东西吗?