我的HTML列表与我需要使用JSoup解析的结构完全相同(我的语言是Java)。这是一个例子:
<div class="ulist">
<ul>
<li><p>Healthy Food</p></li>
<div class="ulist">
<ul>
<li><p>Vegetables</p></li>
<div class="ulist">
<ul>
<li> <p>Carrots</p> </li>
<li> <p>Lettuce</p> </li>
<li> <p>Cucumbers</p> </li>
</ul>
</div> </li>
<li> <p>Fruits</p>
<div class="ulist">
<ul>
<li> <p>Apples</p> </li>
<li> <p>Bananas</p> </li>
<li> <p>Canned Fruits</p></li>
<div class="ulist">
<ul>
<li> <p>Peaches</p> </li>
<li> <p>Pears</p> </li>
</ul>
</div>
</ul>
</div>
</li>
</ul>
</div>
</ul>
</div>
由于这些数据基本上只是一个Tree数据结构,我希望能够解析它并从数据中创建一个Tree。我在使用JSoup时遇到了困难,因为看起来你无法按预期真正遍历DOM。
例如,代码如下:
Elements elList = doc.select("ul");
for (Element el: elList){
Elements subList = el.select("ul");
for (Element subEl : subList){
//do whatever you need to do
}
}
产生以下结果,看来它不是&#34;行走&#34;或者&#34;遍历&#34;向下,而是继续从文档中选择相同的东西:
什么代码将遍历此列表并将其放在树结构中?
答案 0 :(得分:1)
在JSoup中,select()
和getElementByTag()
都会将当前元素作为结果的一部分返回,如果它与标记匹配。
因此,当您执行doc.select("ul")
并对结果执行select()
时,您将获得与您已经注意到的相同的结果。
正确执行此操作的关键是获取第一个元素,然后搜索其子元素。
有些事情:
public static Node processTree( Element elem ) {
Node result;
Elements elList = elem.getElementsByTag("ul");
if ( elList == null || elList.size() == 0 ) {
return null;
};
result = new Node();
Element current = elList.first();
elList = current.children();
// Process LI elements and add them as content to the
// result Node
...
// Now go down the tree
if ( elList != null && elList.size() != 0 ) {
for ( Element el : elList ) {
Node elTree = processTree( el );
if ( elTree != null ) {
result.addChild( elTree );
}
}
}
return result;
}
(当然,这只是一个草图。Node
将是你的树结构节点。这一点是为了告诉你必须遍历孩子。你如果你愿意,可以处理同一循环中的li
个元素。
答案 1 :(得分:0)
JSoup将DOM构建为内存中的数据结构,您可以使用非常强大的“随机访问”方式访问它,例如使用优秀的css选择器实现。要使用JSoup解决您的问题,您可以循环结果如下:
Elements elList = doc.select("ul");
for (Element el: elList){
Elements subList = el.select("ul");
for (Element subEl : subList){
//do whatever you need to do
}
}
但是,如果你需要遍历非常大的html文件并且文件结构良好,你可能想要使用像SAX这样的库。这避免了将整个DOM保存在内存中。