table 非结构化 html 页面的 jsoup

Question

我正在尝试从这个 url 中获取主图像，这是我到目前为止所做的尝试：

Document doc = null;
    try {
        doc = Jsoup.connect(url).get();
    } catch (IOException e) {
        e.printStackTrace();
    }

    Element table = doc.select("center").get(1);
    Elements rows = table.select("table[width=970]");
    for (int i = 0; i < rows.size(); i++) {
        Element row = rows.get(1);
        Elements cols = row.select("table[width=634]");
        for (int j = 0; j < cols.size(); j++) {
            Element row1 = rows.get(1);
            Elements cols1 = row1.select("table[width=600]");
            for (int k = 0; k < cols1.size(); k++){
                Element row0 = rows.first();
                Elements cols0 = row0.select("td");
                for (Element image : cols0) {
                    String image2 = image.absUrl("src").toString();
                    Log.i("tanja7 ", "pic  " + image2);
                }
            }
        }
    }

这是非结构化 html 页面（我不知道如何复制 html 代码）我做错了什么？

Answer 1

您似乎期望内部元素是 JSoup select 方法调用的结果。这是不对的——你得到了匹配 select 或 "search scope" 内的元素，这是由你调用 [=12] 的元素/文档 class 实例给出的=].因此，如果您想获取文档的所有 table 个元素，您可以 doc.select("table")。这给你的不是行，而是 tables。也许您以前确实理解这一点，但您的变量命名却表明并非如此。

无论如何，这里有一个 selector 有效。它将获取所有 img 元素，这些元素是 table 的（不一定是直接的）子元素，具有属性 width=600 并且在文档的另一个 table 中。

Elements imgEls = doc.select("table table[width=600] img");
System.out.println(imgEls.first().absUrl("src"));

你说 html 没有结构化，所以你可能想检查相关图像是否真的总是按照指定的方式在两个 table 内。

更新： 如果您使用的是移动设备，请确保添加：

doc = Jsoup.connect(url).userAgent("Mozilla").get();

table 非结构化 html 页面的 jsoup

jsoup for unstructured html page with table

html

java

android

image

jsoup