JSoup 解析器没有拾取表格元素
Posted
技术标签:
【中文标题】JSoup 解析器没有拾取表格元素【英文标题】：JSoup parser not picking up table element 【发布时间】：2022-01-05 04:43:49 【问题描述】：JSoup 在这里。我有以下 html：
<html><head>
<title>My Soup Materials</title>
<!--mstheme--><link rel="stylesheet" type="text/css" href="../../_themes/ice/ice1011.css"><meta name="Microsoft Theme" content="ice 1011, default">
</head>
<body><center><table ><tbody>
<tr>
<td><h2>My Soup Materials</h2>
<table cellspacing="0" cellpadding="0">
<tbody>
<tr>
<td align="left"><b>Origin:</b> Belgium</td>
<td align="left"><b>Count:</b> 2 foos</td>
</tr>
<tr>
<td align="left"><b>Supplier:</b> </td>
<td align="left"><b>Must Burninate:</b> Yes</td>
</tr>
<tr>
<td align="left"><b>Type:</b> Fizzbuzz</td>
<td align="left"><b>Add Afterwards:</b> No</td>
</tr>
</tbody>
</table>
<br>
<b><u>Notes</b></u><br>Drink more ovaltine</td>
</tr>
</tbody>
</table>
</center></body>
</html>
当我运行这段代码时：
String htmlString = "<html><head><title>My Soup Materials</title><!--mstheme--><link rel=\"stylesheet\" type=\"text/css\" href=\"../../_themes/ice/ice1011.css\"><meta name=\"Microsoft Theme\" content=\"ice 1011, default\"></head><body><center><table width=\"92%\"><tbody><tr><td><h2>My Soup Materials</h2><table width=\"100%%\" cellspacing=\"0\" cellpadding=\"0\"><tbody><tr><td align=\"left\"><b>Origin:</b> Belgium</td><td align=\"left\"><b>Count:</b> 2 foos</td></tr><tr><td align=\"left\"><b>Supplier:</b> </td><td align=\"left\"><b>Must Burninate:</b> Yes</td></tr><tr><td align=\"left\"><b>Type:</b> Fizzbuzz</td><td align=\"left\"><b>Add Afterwards:</b> No</td></tr></tbody></table><br><b><u>Notes</b></u><br>Drink more ovaltine</td></tr></tbody></table></center></body></html>";
Document document = Jsoup.parse(htmlString);
Elements allTables = document.select("table");
Element table = allTables.get(0);
allTables 元素的大小为 0 且为空（没有子元素、没有属性等）。所以当我去拿第一张桌子时，我得到了一个IndexOutOfBoundsException。 为什么？我原以为它会有很多孩子，以“<h2>My Soup Materials</h2>”等开头。
【问题讨论】：
你能提供更多关于你的配置的信息吗？我运行了您的确切代码（4 个 Java 行）并使用最新的 JSoup（1.14.3）检查了 Java 17 中的大小，allTables.size() 返回了2。
【参考方案1】：
这可能归结为您的配置或 Java 代码中的某些内容与您的问题不同。我从问题中运行了确切的 4 行 Java 代码，并检查了返回 2 的 allTables.size()。
使用 Java 17 和当前最新版本的 JSoup (1.14.3)
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
public class App
public static void main(String[] args)
String htmlString = "<html><head><title>My Soup Materials</title><!--mstheme--><link rel=\"stylesheet\" type=\"text/css\" href=\"../../_themes/ice/ice1011.css\"><meta name=\"Microsoft Theme\" content=\"ice 1011, default\"></head><body><center><table width=\"92%\"><tbody><tr><td><h2>My Soup Materials</h2><table width=\"100%%\" cellspacing=\"0\" cellpadding=\"0\"><tbody><tr><td align=\"left\"><b>Origin:</b> Belgium</td><td align=\"left\"><b>Count:</b> 2 foos</td></tr><tr><td align=\"left\"><b>Supplier:</b> </td><td align=\"left\"><b>Must Burninate:</b> Yes</td></tr><tr><td align=\"left\"><b>Type:</b> Fizzbuzz</td><td align=\"left\"><b>Add Afterwards:</b> No</td></tr></tbody></table><br><b><u>Notes</b></u><br>Drink more ovaltine</td></tr></tbody></table></center></body></html>";
Document document = Jsoup.parse(htmlString);
Elements allTables = document.select("table");
Element table = allTables.get(0);
System.out.println(allTables.size()); // prints 2
【讨论】：
【参考方案2】：首先
你的 html 有两个表格
第二
html 表格有部分：标题、正文、行、列等。您需要创建更详细的算法来获取子项
Element table = doc.select("table").get(0); //select the first table.
Elements rows = table.select("tr");
//first row is the col names or header, so skip it.
for (int i = 1; i < rows.size(); i++)
Element row = rows.get(i);//get entire row
Elements cols = row.select("td");//get cols of this row
//get specific row
System.out.printl(cols.get(5).text());
【讨论】：
感谢@JRichardsz (+1) 但问题是doc.select("table") 本身是空的（大小= 0），所以doc.select("table").get(0) 抛出java.lang.IndexOutOfBoundsException: Index: 0, Size: 0。
请查看我的编辑以获得完全可重现的代码示例。以上是关于JSoup 解析器没有拾取表格元素的主要内容，如果未能解决你的问题，请参考以下文章