html – 使用XmlSlurper：如何在迭代GPathResult时选择子元素

发布时间：2020-12-27 08:17:36 所属栏目：资源来源：网络整理

导读：我正在编写一个 HTML解析器,它使用TagSoup将格式良好的结构传递给 XMLSlurper. 这是通用代码： def htmlText = """htmlbodydiv id="divId" class="divclass"h2Heading 2/h2ollih3a class="box" href="#href1"href1 link text/a spanextra stuff/span/h3addre

我正在编写一个 HTML解析器,它使用TagSoup将格式良好的结构传递给 XMLSlurper.

这是通用代码：

def htmlText = """
<html>
<body>
<div id="divId" class="divclass">
<h2>Heading 2</h2>
<ol>
<li><h3><a class="box" href="#href1">href1 link text</a> <span>extra stuff</span></h3><address>Here is the address<span>Telephone number: <strong>telephone</strong></span></address></li>
<li><h3><a class="box" href="#href2">href2 link text</a> <span>extra stuff</span></h3><address>Here is another address<span>Another telephone: <strong>0845 2222211</strong></span></address></li>
</ol>
</div>
</body>
</html>
"""     

def html = new XmlSlurper(new org.ccil.cowan.tagsoup.Parser()).parseText( htmlText );

html.'**'.grep { it.@class == 'divclass' }.ol.li.each { linkItem ->
    def link = linkItem.h3.a.@href
    def address = linkItem.address.text()
    println "$link: $addressn"
}

我希望每个人都允许我依次选择每个’li’,这样我就可以检索相应的href和地址细节.相反,我得到这个输出：

#href1#href2: Here is the addressTelephone number: telephoneHere is another addressAnother telephone: 0845 2222211

我已经在网上检查过各种各样的例子,这些例子要么处理XML,要么就像“从这个文件中检索所有链接”这样的单行示例.似乎it.h3.a. @ href表达式正在收集文本中的所有href,即使我将它传递给父’li’节点.

你能让我知道吗：

>为什么我要显示输出
>我如何检索每个’li’项目的href /地址对

谢谢.

解决方法

用find替换grep：

html.'**'.find { it.@class == 'divclass' }.ol.li.each { linkItem ->
    def link = linkItem.h3.a.@href
    def address = linkItem.address.text()
    println "$link: $addressn"
}

然后你会得到的

#href1: Here is the addressTelephone number: telephone

#href2: Here is another addressAnother telephone: 0845 2222211

grep返回一个ArrayList但find返回一个NodeChild类：

println html.'**'.grep { it.@class == 'divclass' }.getClass()
println html.'**'.find { it.@class == 'divclass' }.getClass()

结果是：

class java.util.ArrayList
class groovy.util.slurpersupport.NodeChild

因此,如果您想使用grep,那么您可以将其他每个像这样嵌套以使其工作

html.'**'.grep { it.@class == 'divclass' }.ol.li.each {
    it.each { linkItem ->
        def link = linkItem.h3.a.@href
        def address = linkItem.address.text()
        println "$link: $addressn"
    }
}

长话短说,在你的情况下,使用find而不是grep.

（编辑：91站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!