Java 在两个文本之间提取文本<；人力资源>；无CSS HTML中的标记

使用Jsoup，提取文本的最佳方法是什么？它的模式是已知的（

[number]%[number]

），但驻留在一个既不使用CSS也不使用div、span、class或其他任何类型标识的HTML页面中（是的，我无法控制的旧HTML页面）

唯一一致地标识该文本段（并保证保持不变）的是，HTML总是这样（在更大的HTML主体中）：

2%%17

（数字2和17只是示例。它们可以是任何数字，事实上，这是我需要从HTML页面可靠提取的两个变量）

如果该文本在一个封闭的、唯一标识的

或

中，那么使用Jsoup提取它就不会有问题。问题是，情况并非如此，我现在能想到的唯一方法（一点也不优雅）是通过正则表达式处理原始HTML

然而，通过正则表达式处理原始HTML似乎效率低下，因为我已经通过Jsoup将其解析为DOM

建议？

这个怎么样

Document document = Jsoup.connect(url).get();
Elements hrs = document.select("hr");
Pattern pattern = Pattern.compile("(\\d+%%\\d+)");

for (Element hr : hrs) {
    String textAfterHr = hr.nextSibling().toString();
    Matcher matcher = pattern.matcher(textAfterHr);

    while (matcher.find()) {
        System.out.println(matcher.group(1)); // <-- There, your data.
    }
}

documentdocument=Jsoup.connect（url.get（）；
元素hrs=文件。选择（“hr”）；
Pattern=Pattern.compile（“（\\d+%\\d+”）；
用于（要素小时数：小时）{
字符串textAfterHr=hr.nextSibling（）.toString（）；
Matcher Matcher=pattern.Matcher（textAfterHr）；
while（matcher.find（））{
System.out.println（matcher.group（1））；//您试过调试jsoup元素以查看元素是否在那里吗？@ariel是的，元素在那里，但它们不是“封闭元素”，因此我不能真正使用
元素.text（）
来获得备受垂涎的
[number]%[number]
：@ariel问题是
[number]%[number]
不是元素。因此，目前我的解决方法是采用
body.html（）
并将其传递给一个识别上述模式的正则表达式。但我对更优雅的解决方案持开放态度。因此元素不在那里。它不是作为元素解析的，它只在主体上。该模式在HTML中出现多次？还是只出现一次？在这个解决方案中肯定有更多的jsoup，但因为它无论如何都必须求助于正则表达式，现在的问题是通过正则表达式传递body.HTML（）是否会更快。您正在文本节点中寻找模式。Jsoup不能为您做太多，因为它不是正则表达式匹配器。当然。但我现在很好奇，通过hrs循环是否比顶级正则表达式更快。类似（
）\s*（\d+）%（\d+）\s*（
）如果要匹配的字符串尽可能小，则Regex至少会更快。将整个文档传递给它，而不是只传递尽可能小的片段，因为您确信它可以包含您要查找的数据，这将更加昂贵。
Document document = Jsoup.connect(url).get();
Elements hrs = document.select("hr");
Pattern pattern = Pattern.compile("(\\d+%%\\d+)");

for (Element hr : hrs) {
    String textAfterHr = hr.nextSibling().toString();
    Matcher matcher = pattern.matcher(textAfterHr);

    while (matcher.find()) {
        System.out.println(matcher.group(1)); // <-- There, your data.
    }
}