Парсинг с JSOUP. Как достать значения из Element?

272

23 сентября 2017, 21:15

Я спарсил новостную страничку, используя библиотеку JSOUP и получил новость:

Element myNew...
Log.d("logs", "myNew-"+myNew.toString());

Логи показывают, что мой Element с новостью имеет следующий вид:

<div id="news-id-ХХХ" style="display:inline;">       
TEXT1   
<br>TEXT2   
<br>      
<div align="center">     
<img src="URL_IMAGE">
</div>    
<br>    
<br>TEXT3
</div>

Можно ли как-нибудь достать из этого Element значения TEXT_X так, чтобы сохранилась правильная последовательность элементов по порядку и получилось следующее:

List<String> list = new ArrayList<>;
list.get(1) = "TEXT1";    
list.get(2) = "TEXT2";    
list.get(3) = "URL_IMAGE";    
list.get(4) = "TEXT3";

Как достать URL_IMAGE я разобрался, а вот с текстом беда выходит. Пытался достать текст методом myNew.text(), так программа берет весь TEXT из новости и получается следующее:

String s = TEXT1+TEXT2+TEXT3;

А мне текстовые значения нужно как-то разграничить, но я не понимаю как...

Answer 1

Только рекурсивным перебором нодов

static void extractContent(Node node, List<String> result) {
    if (node instanceof TextNode) {
        String text = ((TextNode) node).text().trim();
        if (!text.isEmpty()) result.add(text); // Добавляем только непустые тексты
    } else if ("img".equals(node.nodeName())) {
        result.add(node.attr("src"));
    } else {
        for (Node child : node.childNodes()) {
            extractContent(child, result);
        }
    }
}

Пример использования:

// Находишь нужный DIV в документе
Element div = doc.select("div#news-id-ХХХ").first();
List<String> result = new ArrayList<String>();
extractContent(div, result);
System.out.println(result);