用jsoup库解析html meta标签
刚刚开始探索Jsoup库，因为我将在我的一个项目中使用它。我试着用谷歌搜索，但我找不到能帮助我的确切答案。这就是我的问题，我有一个带有meta标签的html文件，如下所示
<meta content="this is the title value" name="d.title">
<meta content="this is the description value" name="d.description">
<meta content="language is french" name="d.language">和像这样的java pojo，
public class Example {
private String title;
private String description;
private String language;
public Example() {}
// setters and getters go here
} 现在我想解析html文件，提取d.title内容值，并将" content“的值存储在Example.title和d.description中，然后存储在Example.description中，依此类推。
我通过阅读jsoup食谱所做的事情是这样的，
Document doc = Jsoup.parse("test.html");
Elements metaTags = doc.getElementsByTag("meta");
for (Element metaTag : metaTags) {
String content = metaTag.attr("content");
String content = metaTag.attr("name");
}这将遍历所有元标记，以获取其"content“和"name”属性的值，但我想要的是获取"content“属性的值，该属性的"name”属性为"d.title“，这样我就可以将其存储在Example.title中
更新:下面的 @P.J.Meisch answer实际上解决了这个问题，但我喜欢的代码太多了(我试图避免做完全相同的事情)。我是说，我在想，可以做一些像这样的事情
String title = metaTags.getContent("d.title")
其中d.title是"name“属性的值，这样可以减少代码行，我还没有找到这样的方法，但可能是因为我还不熟悉jsoup这就是为什么我问这个问题。但如果这样的方法不存在(如果它存在就好了，因为它让生活变得更容易)，我会选择P.J.Meisch说。
回答 4
Stack Overflow用户
发布于 2016-06-02 20:40:57
好的，所有的代码：
Document doc = Jsoup.parse("test.html");
Elements metaTags = doc.getElementsByTag("meta");
Example ex = new Example();
for (Element metaTag : metaTags) {
String content = metaTag.attr("content");
String name = metaTag.attr("name");
if("d.title".equals(name)) {
ex.setTitle(content);
}
if("d.description".equals(name)) {
ex.setDescription(content);
}
if("d.language".equals(name)) {
ex.setLanguage(content);
}
}Stack Overflow用户
发布于 2016-06-02 21:45:08
回答您最新的问题:这是不可能的，因为jsoup文档只反映了html文档的xml/dom结构。你必须迭代你自己的metas，但是你可以这样做：
Document doc = Jsoup.parse("test.html");
Map<String, String> metas = new HashMap<>();
Elements metaTags = doc.getElementsByTag("meta");
for (Element metaTag : metaTags) {
String content = metaTag.attr("content");
String name = metaTag.attr("name");
metas.put(name, content);
}
Example ex = new Example();
ex.setTitle(metas.get("d.title"));
ex.setDescription(metas.get("d.description"));
ex.setLanguage(metas.get("d.language"));Stack Overflow用户
发布于 2018-06-22 08:52:12
使用正确的特定库可以简化一切
查看我的用于解析meta标签内容的库
package com.bc.meta.selector;
import com.bc.meta.selector.htmlparser.AttributeContextHtmlparser;
import com.bc.meta.selector.util.SampleConfigPaths;
import com.bc.meta.ArticleMetaNames;
import com.bc.meta.impl.ArticleMetaNameIsMultiValue;
import java.util.Map;
import java.util.Iterator;
import java.util.function.BiFunction;
import org.json.simple.JSONValue;
import org.htmlparser.Parser;
import org.htmlparser.Node;
import org.htmlparser.Tag;
public class ReadMe {
public static void main(String... args) throws Exception {
final BiFunction<String, Node, String> nodeContentExtractor =
(prop, node) -> node instanceof Tag ? ((Tag)node).getAttributeValue("content") : null;
final SelectorBuilder<Node, String, Object> builder = Selector.builder();
final Selector<Node> selector = builder.filter()
.attributeContext(new AttributeContextHtmlparser(false))
.configFilePaths(SampleConfigPaths.APP_ARTICLE_LIST)
.jsonParser((reader) -> (Map)JSONValue.parse(reader))
.propertyNames(ArticleMetaNames.values())
.back()
.multipleValueTest(new ArticleMetaNameIsMultiValue())
.nodeConverter(nodeContentExtractor)
.build();
final Parser parser = new Parser();
final String url = "https://edition.cnn.com/2018/06/21/africa/noura-hussein-asequals-intl/index.html";
parser.setURL(url);
Iterator<Node> nodes = parser.elements().iterator();
final Map map = selector.selectAsMap(nodes, ArticleMetaNames.values());
System.out.println("Printing meta tags data for: " + url + "\n" + map);
}
}https://stackoverflow.com/questions/37591685
复制相似问题