使用Jsoup嵌套div ID列出特定范围的元素_技术教程

本文档旨在指导开发者如何使用Jsoup库从HTML页面中提取特定菜单组下的食谱数据。我们将详细介绍如何通过查找包含目标菜单标题的卡片，并利用其data-target属性来定位和提取相应的row recipe_container div元素。通过本文的学习，你将能够有效地从复杂的HTML结构中提取所需的信息。

使用Jsoup提取特定菜单组的食谱数据

在Web数据抓取中，经常会遇到需要从复杂的HTML结构中提取特定信息的情况。本教程将以提取特定菜单组的食谱数据为例，介绍如何使用Jsoup库实现这一目标。

目标： 从包含多个菜单组的HTML页面中，提取指定菜单组（例如 "Freshen's"）下的所有食谱数据。

HTML结构：

假设HTML结构如下：

每个菜单组都包含在一个card元素中，其标题位于card-header中，而食谱数据则位于card-body下的row recipe_container div元素中。

Jsoup代码示例：

以下Java代码演示了如何使用Jsoup提取特定菜单组的食谱数据：

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import java.io.IOException;

public class JsoupExample {

    public static void main(String[] args) throws IOException {
        String pageUrl = "your_page_url_here"; // 替换为你的页面URL
        String inputMenuHeading = "Freshen's";

        // 1. 连接到页面并获取Document对象
        Document doc = Jsoup.connect(pageUrl).get();

        // 2. 查找包含目标菜单标题的card-header元素，并获取其data-target属性值
        String targetId = doc.select("[class=card-header][id*=menu_group_heading]")
                .stream()
                .filter(e -> e.html().contains(inputMenuHeading))
                .findFirst()
                .map(e -> e.select("a").attr("data-target"))
                .orElse(null);

        if (targetId != null) {
            // 3. 使用data-target属性值作为ID选择器，找到对应的card-body元素，并提取其中的row recipe_container元素
            Elements recipeContainers = doc.select(String.format("%s .row.recipe_container", targetId));

            // 4. 打印或处理提取到的食谱数据
            System.out.println("Recipe data for " + inputMenuHeading + ":");
            for (Element recipeContainer : recipeContainers) {
                System.out.println(recipeContainer.html()); // 打印每个recipe_container的内容
                // 或者进行其他处理，例如提取特定字段
            }
        } else {
            System.out.println("Menu heading '" + inputMenuHeading + "' not found.");
        }
    }
}

代码解释：

连接到页面并获取Document对象： 使用Jsoup.connect(pageUrl).get()连接到目标页面，并将HTML内容解析为Document对象。
查找包含目标菜单标题的card-header元素： 使用doc.select("[class=card-header][id*=menu_group_heading]")选择所有class为card-header并且id包含menu_group_heading的元素。然后使用stream().filter(e -> e.html().contains(inputMenuHeading))过滤出包含目标菜单标题的元素。 findFirst().map(e -> e.select("a").attr("data-target"))获取第一个匹配元素的 a 标签的 data-target 属性值。 orElse(null) 如果没有找到匹配的元素，则返回 null。
提取食谱数据： 使用doc.select(String.format("%s .row.recipe_container", targetId))选择id为targetId的元素下的所有class同时包含row和recipe_container的元素。
打印或处理提取到的食谱数据： 遍历提取到的recipeContainers，并打印或进行其他处理。

注意事项：

替换your_page_url_here为实际的页面URL。
确保Jsoup库已添加到你的项目中。
如果目标页面结构发生变化，可能需要调整选择器。
在实际应用中，应该添加适当的异常处理机制，以处理网络连接错误或页面解析错误。
orElse(null) 确保在没有找到匹配的菜单标题时，程序不会抛出NoSuchElementException异常。

总结：

通过本教程，你学习了如何使用Jsoup库从复杂的HTML结构中提取特定菜单组的食谱数据。这种方法可以应用于各种Web数据抓取场景，只需要根据实际的HTML结构调整选择器即可。记住，理解HTML结构是成功提取数据的关键。此外，在实际应用中，需要考虑异常处理、页面结构变化等因素，以确保程序的健壮性和可靠性。