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<a>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 = "<div class=\"row\">\n" +
" <div class=\"col-12\">\n" +
" <form action=\"nutritiveReport.aspx?locationNum=09&dtdate=11%2f01%2f2022\" method=\"post\" id=\"full_menu_form\">\n" +
" <input type=\"hidden\" name=\"Action\" id=\"action_indicator\" value>\n" +
" <div id=\"full_menu\">\n" +
" <ul class=\"nav nav-tabs responsive\" id=\"full_menu_tabs\" role=\"tablist\">...</ul>\n" +
" <div class=\"tab-content responsive\" id=\"full_menu_content\">\n" +
" <div class=\"tab-pane fade active show\" id=\"meal_1_content\" role=\"tabpanel\" aria-labelledby=\"meal_1_tab\">\n" +
" <div class=\"card\">\n" +
" <div class=\"card-header\" id=\"menu_group_heading_1\">\n" +
" <h5 class=\"mb-0\">\n" +
" <a class=\"btn btn-link\" data-toggle=\"collapse\" data-target=\"#menu_group_content_1\"\n" +
" aria-expanded=\"true\" aria-controls=\"menu_group_content_1\">\n" +
" \" Freshen's \"\n" +
" </a>\n" +
" </h5>\n" +
" </div>\n" +
" <div id=\"menu_group_content_1\" class=\"collapse show\" aria-labelledby=\"menu_group_heading_1\" style>\n" +
" <div class=\"card-body\">\n" +
" <div class=\"row recipe_container\">Freshen's Recipe 1</div>\n" +
" <div class=\"row recipe_container\">Freshen's Recipe 2</div>\n" +
" <div class=\"row recipe_container\">Freshen's Recipe 3</div>\n" +
" <div class=\"row recipe_container\">Freshen's Recipe 4</div>\n" +
" <div class=\"row recipe_container\">Freshen's Recipe 5</div>\n" +
" <div class=\"row recipe_container\">Freshen's Recipe 6</div>\n" +
" </div>\n" +
" </div>\n" +
" </div>\n" +
" </div>\n" +
" </div>\n" +
" </div>\n" +
" </form>\n" +
" </div>\n" +
"</div>";
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。
