本文详解 jsoup 中基于 css 选择器和 dom 遍历两种主流方式提取目标文本（如“Сегодня в 13:52”），涵盖选择器语法、链式查询、边界校验及常见陷阱，助开发者高效、健壮地解析结构化 html。
本文详解 jsoup 中基于 css 选择器和 dom 遍历两种主流方式提取目标文本（如“Сегодня в 13:52”），涵盖选择器语法、链式查询、边界校验及常见陷阱，助开发者高效、健壮地解析结构化 html。
在 Web 抓取与 HTML 解析场景中，Jsoup 是 Java 生态中最常用、最可靠的库之一。其核心优势在于简洁的 CSS 选择器语法和直观的 DOM 操作 API。针对用户提供的 HTML 片段——一个包含多组
- 列表嵌套在特定 data-test-component="ProductStats" 的
✅ 方案一：纯 CSS 选择器（推荐 —— 简洁、可读性强）
Jsoup 支持标准 CSS 选择器，无需 XPath 即可实现精准定位。观察结构可知：
- 外层
- 具有属性 data-test-component="ProductStats"
- 内层
- 是其唯一子元素
- 目标
- 是
- 的最后一个
- 元素 （注意：不是最后一个子节点，因为
- 和
- 交替出现）
- 是
因此，可组合使用属性选择器 + 子元素选择器 + 伪类：
Document doc = Jsoup.parse(htmlString); // htmlString 即原始 HTML 字符串
// 方式1：直接定位到目标 <dd> —— 推荐
Elements targetDd = doc.select("li[data-test-component=ProductStats] dl dd:last-of-type");
if (!targetDd.isEmpty()) {
String text = targetDd.last().text(); // 安全取最后一个（防多个匹配）
System.out.println(text); // 输出：Сегодня в 13:52
}? 补充说明：dd:last-of-type 匹配
内最后一个
- 元素（语义准确）；若需更严格限定为「倒数第一个
- 」，也可用 dd:nth-last-of-type(1)。
立即学习“前端免费学习笔记（深入）”；
✅ 方案二：分步 DOM 遍历（适合动态/复杂结构）
当选择器难以一次性表达逻辑（如需根据前序
Element li = doc.selectFirst("li[data-test-component=ProductStats]");
if (li != null) {
Element dl = li.selectFirst("dl[data-test-component=DescriptionList]");
if (dl != null) {
// 获取所有 <dd> 元素并取最后一个
Elements dds = dl.select("dd");
if (!dds.isEmpty()) {
String value = dds.get(dds.size() - 1).text();
System.out.println(value); // Сегодня в 13:52
}
}
}该方式逻辑清晰、易于调试，且天然支持空值防护（通过 selectFirst() 和判空）。
⚠️ 关键注意事项
- 避免 child() 索引硬编码：原文答案中使用 li.child(0).child(...) 依赖 DOM 树形结构顺序，极易因 HTML 微小变动（如注释、空格、新增子节点）而失效。应优先使用语义化选择器（如 select("dl")）。
- 始终校验非空：select() 返回 Elements（可能为空列表），selectFirst() 返回 Element（可能为 null），务必判空再调用 .text() 或 .child()，否则触发 NullPointerException。
- 区分 text() 与 ownText()：text() 获取含子元素文本的合并结果；ownText() 仅获取当前元素自身文本（无子节点内容），本例中二者等效，但需按需选用。
- 编码与字符集：确保 Jsoup.parse() 时指定正确 charset（如 Jsoup.parse(html, "UTF-8")），避免俄文等 Unicode 字符乱码。
✅ 总结
提取 "Сегодня в 13:52" 的最佳实践是：
doc.select("li[data-test-component=ProductStats] dl dd:last-of-type").first().text()
——一行代码完成选择、安全取值与文本提取，兼具性能、可读性与鲁棒性。掌握 CSS 选择器组合技巧（属性、类型、伪类），远胜于脆弱的索引遍历。在真实项目中，建议将选择器封装为常量，并配合单元测试验证 HTML 结构变更时的兼容性。
