17370845950

本文介绍了如何使用Jsoup库从HTML文档中提取特定菜单组下的食谱数据。通过定位包含目标菜单标题的卡片，并利用其data-target属性，我们可以精确选择该卡片下的所有包含row和recipe_container类的div元素，从而实现数据的精准抓取。

定位目标菜单组

首先，我们需要找到包含目标菜单标题的card-header元素。我们可以使用Jsoup的select()方法结合CSS选择器来实现。

String inputMenuHeading = "Freshen's";
String targetId =
    doc.select("[class=card-header], [id*=menu_group_heading]")
       .stream()
       .filter(e -> e.html().contains(inputMenuHeading))
       .findFirst().get()
       .select("a").attr("data-target");

这段代码首先使用doc.select("[class=card-header], [id*=menu_group_heading]")选择所有class为card-header或id包含menu_group_heading的元素。然后，使用stream().filter()过滤出包含目标菜单标题（例如 "Freshen's"）的元素。findFirst().get()获取第一个匹配的元素，并使用select("a").attr("data-target")提取该元素下标签的data-target属性值，该属性值将用于后续的元素选择。

选择特定菜单组下的食谱数据

获取到目标菜单组的data-target属性后，我们可以使用该属性值来选择该菜单组下的所有包含row和recipe_container类的div元素。

Elements result = doc.select(String.format("%s .row.recipe_container", targetId));
System.out.println(result);

这里，我们使用String.format()方法将data-target属性值插入到CSS选择器中。例如，如果targetId的值为#menu_group_content_1，那么最终的CSS选择器将是#menu_group_content_1 .row.recipe_container。这个选择器会选择id为menu_group_content_1的元素下的所有class同时包含row和recipe_container的元素。

完整示例代码

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 html = "\n" +
                "  \n" +
                "    
\n" +
                "      \n" +
                "      \n" +
                "        
...
\n" +
                "        \n" +
                "          \n" +
                "            \n" +
                "              \n" +
                "                
\n" +
                "                  \n" +
                "                    \" Freshen's \"\n" +
                "                  \n" +
                "                
\n" +
                "              \n" +
                "              \n" +
                "                \n" +
                "                  Freshen's Recipe 1\n" +
                "                  Freshen's Recipe 2\n" +
                "                  Freshen's Recipe 3\n" +
                "                  Freshen's Recipe 4\n" +
                "                  Freshen's Recipe 5\n" +
                "                  Freshen's Recipe 6\n" +
                "                \n" +
                "              \n" +
                "            \n" +
                "          \n" +
                "        \n" +
                "      \n" +
                "    
\n" +
                "  \n" +
                "";

        Document doc = Jsoup.parse(html);
        String inputMenuHeading = "Freshen's";
        String targetId =
                doc.select("[class=card-header], [id*=menu_group_heading]")
                        .stream()
                        .filter(e -> e.html().contains(inputMenuHeading))
                        .findFirst().get()
                        .select("a").attr("data-target");

        Elements result = doc.select(String.format("%s .row.recipe_container", targetId));
        System.out.println(result);
    }
}

注意事项：

• 确保Jsoup库已添加到您的项目中。
• findFirst().get()方法在没有找到匹配元素时会抛出NoSuchElementException异常。建议在使用前先使用findFirst().isPresent()方法检查是否存在匹配元素，以避免程序崩溃。
• 本示例假设HTML结构是固定的。如果HTML结构发生变化，可能需要调整选择器。
• .row.recipe_container 选择器要求元素同时拥有 row 和 recipe_container 两个 class。如果元素是分别拥有的，应该使用 .row .recipe_container。
• 实际应用中，HTML内容通常来自网络请求，需要处理网络连接异常。

总结：

通过结合Jsoup的CSS选择器和Java的流式处理，我们可以轻松地从复杂的HTML文档中提取特定范围的元素。这种方法可以应用于各种Web数据抓取场景，提高数据提取的效率和准确性。