SwiftSoup能否正确解析含特定无标签文本的目标HTML页面？

实现思路 #

通过精准的选择器筛选出符合要求的<ol>区块，再提取目标文本：

• 只保留第一个<li>内直接包含src含pixelshim.gif的<img>标签的<ol>元素
• 提取该<ol>下第二个<li>的文本内容，清理多余空白后即为需要的河段名称

代码示例 #

import SwiftSoup

// 假设已获取网页HTML内容存入htmlContent变量
do {
    let doc = try SwiftSoup.parse(htmlContent)
    let allOlBlocks = try doc.select("ol")
    
    for ol in allOlBlocks {
        // 检查第一个li是否有直接子元素是指定的img
        let targetImg = try ol.select("li:first-child > img[src*=pixelshim.gif]")
        guard !targetImg.isEmpty else { continue }
        
        // 提取第二个li的文本并清理空白
        let riverSectionText = try ol.select("li:nth-child(2)").text()
            .trimmingCharacters(in: .whitespacesAndNewlines)
        
        if !riverSectionText.isEmpty {
            print(riverSectionText)
            // 此处可将结果存入数组或进行后续处理
        }
    }
} catch {
    print("解析出错：\(error.localizedDescription)")
}

关键选择器说明 #

• li:first-child > img[src*=pixelshim.gif]：>确保<img>是第一个<li>的直接子元素（排除被<a>包裹的情况），[src*=pixelshim.gif]匹配src包含目标文件名的图片
• li:nth-child(2)：精准定位到<ol>下的第二个<li>元素
• trimmingCharacters：去除文本前后的空格、换行等无效字符，保证结果整洁

内容的提问来源于stack exchange，提问作者Bryant Irawan