使用Jsoup提取网页中Pages对应数值的最优实现方法咨询

可以通过Jsoup的文本匹配选择器先定位到Pages标签，再向上关联到同一行的内容节点，实现不依赖id的稳定提取，代码如下：

String pagesText = document.select("div.white_label:contains(Pages)")
        // 向上找到当前Pages标签所属的整行容器
        .closest(".row")
        // 选中该行容器内的内容节点取文本
        .select("div.row-desc > div.white_desc")
        .text();

说明 #

1. 该方案不依赖行id属性，即使页面调整行的顺序、id序号发生变更，只要Pages字段的标签结构不变就能正常提取，鲁棒性远高于原id定位方案
2. 如果担心出现其他包含Pages关键词的元素干扰匹配，可以把初始选择器的限定条件加得更严格，比如改成div.row-label > div.white_label:contains(Pages)，进一步缩小匹配范围
3. 如果你使用的Jsoup版本低于1.14.1，不支持closest()方法，可以把对应行替换为.parents(".row").first()，效果完全一致

内容的提问来源于stack exchange，提问作者menteith