使用Jsoup提取BBC足球新闻正文时出现选择器解析错误的原因

问题背景 #

使用Jsoup提取BBC足球新闻正文时，编写的选择器无法被解析，抛出SelectorParseException异常。代码中尝试通过包含特殊字符的类名定位div标签，选择器语句为：

div.qa-story-body.story-body.gel-pica.gel-10/12@m.gel-7/8@l.gs-u-ml0@l.gs-u-pb++ span

解析失败的核心原因 #

Jsoup遵循CSS选择器语法规则，而你使用的类名中包含/和++这类CSS选择器特殊字符：

• /在CSS选择器中用于表示父子元素关系（如div/p），解析器遇到gel-10/12@m里的/时，会误将其当成选择器语法的分隔符，导致解析流程中断。
• ++属于CSS选择器的特殊符号，同样会被解析器识别为语法指令，而非类名的组成部分。

这种情况下，解析器无法正确识别这些带特殊字符的类名，直接抛出解析异常。

可行的解决方法 #

1. 使用属性选择器匹配完整class属性 #

通过[class="完整类名"]的方式直接匹配div的class属性值，绕开特殊字符的解析问题：

Elements spans = document.select("div[class=\"qa-story-body story-body gel-pica gel-10/12@m gel-7/8@l gs-u-ml0@l gs-u-pb++\"] span");

2. 转义特殊字符 #

对类名中的特殊字符用\转义（Java字符串中需要写双反斜杠\\），让解析器将其视为类名的一部分：

Elements spans = document.select("div.qa-story-body.story-body.gel-pica.gel-10\\/12@m.gel-7\\/8@l.gs-u-ml0@l.gs-u-pb\\+\\+ span");

3. 简化选择器（推荐） #

如果qa-story-body是新闻正文div独有的类名，可以直接用这个类定位，无需带上所有复杂类名：

Elements spans = document.select("div.qa-story-body span");

内容的提问来源于stack exchange，提问作者Robbie