使用 Jsoup 处理 CSS class 名称中的空格

Question

我想select此页面的一些超市产品信息：

http://www.angeloni.com.br/super/index?grupo=15022

为此我应该 select <ul> 标签 class "lstProd ":

如果 class 名称是 "lstProd" 会很容易，但问题是名称末尾的空格。我无法让 Jsoup 处理它。

我尝试了下面的代码和其他方法，但它总是得到一个空列表。

org.jsoup.nodes.Document document = Jsoup.connect("http://www.angeloni.com.br/super/index?grupo=15022").get();
    org.jsoup.select.Elements list = doc.select("ul.lstProd  ");

我要获取的html页面的代码片段：

<ul class="lstProd  ">
    <li>
        <span class="cod">CÓD. 1341372</span>
        <span class="lnkImgProd">
            <a href="/super/produto?grupo=15022&amp;idProduto=1341372">
                <img src="http://assets.angeloni.com.br/files/images/7/1B/C6/1341372_1_V.jpg" width="120" height="120"
                     alt="Creme Dental SORRISO Super Refrescante Tubo 90g">
            </a>
                    </span>
        <div class="RgtDetProd">
            <div class="boxInfoProd">
                <span class="descr">
                    <a href="/super/produto?grupo=15022&amp;idProduto=1341372">Creme Dental SORRISO Super Refrescante
                        Tubo 90g</a>

                                    </span>

                <ul class="lstProdFlags after">
                </ul>
            </div>
...

Answer 1

我认为您面临两个完全不同的问题：

Jsoup 没有加载您认为它加载的网站。您指定的网站通过 JavaScript 呈现其内容，并在初始页面加载后通过 AJAX 加载一些内容。 JSoup 不能处理这个。您要么需要调查 AJAX 调用并直接使用 Jsoup 获取它们，要么使用类似 selenium webdriver 的东西在真正的浏览器中获取页面，这将按照您的预期呈现所有内容。
CSS class 出于实际目的名称不能包含空格 ¹。在 HTML 中，空格用作 class 名称之间的分隔符。因此 <ul class="lstProd "> 与 <ul class="lstProd"> 相同。然而，在 CSS 选择器中，class 名称由 .className 指定，即点后跟 class 名称。您可以像这样连接多个 classes：element.select(".className1.className2")

¹ 从技术上讲，您可以在 CSS class 中放置空格，但您需要使用 '\ ' 来转义它们。参见 https://mathiasbynens.be/notes/css-escapes or Which characters are valid in CSS class names/selectors?

编辑：更准确地描述 CSS class 名称

Answer 2

CSS class 名称可以包含空格。
<ul class="lstProd "> NOT 与 <ul class="lstProd"> 相同。

而且我可以看到您有多个 <ul> 具有相同的 class 名称。
检查或遍历此类元素的更好方法是 nth-child
因此，要找到所需的选择器，您可以使用 #abaProd > ul:nth-child(4)
For more details about nth-child

使用 Jsoup 处理 CSS class 名称中的空格

Deal with whitespaces in CSS class names with Jsoup

java

dom

web-crawler

jsoup