如何使用Jsoup选择器提取HTML中div.comment内的日期

我明白你之前尝试用标签索引的选择器没成功的原因——这个日期没有被单独的HTML标签包裹，它是夹在两个链接和时间之间的文本节点，所以单纯靠选择器没法直接定位到它，得结合Jsoup的节点处理方法来提取。

具体实现步骤 #

1. 先定位到评论的根容器：div.comment
2. 找到指向Kitzbühel的那个链接（这个链接有明确的href特征，比索引更可靠）
3. 获取这个链接后面紧邻的文本节点，里面包含了日期和时间的分隔内容
4. 从文本里提取出日期部分

示例代码 #

// 假设已经解析好HTML文档到doc对象中
Element commentContainer = doc.selectFirst("div.comment");
// 定位到Kitzbühel的链接，用href包含特征来选择，比索引更稳定
Element locationLink = commentContainer.selectFirst("a[href*=kitzbuehel]");
// 获取链接后面的文本节点
TextNode dateTimeText = (TextNode) locationLink.nextSibling();
// 清理文本并提取日期
String rawContent = dateTimeText.text().trim();
// 按|分割，取中间的日期部分
String targetDate = rawContent.split("\\|")[1].trim();

// 输出结果就是22.01.2018
System.out.println(targetDate);

为什么不用索引选择器？ #

你之前试的a:eq(3)这类索引选择器容易失效，因为页面结构一旦调整（比如新增/减少链接），索引就会错位。而用a[href*=kitzbuehel]这种基于特征的选择器，能更稳定地定位到目标节点。

内容的提问来源于stack exchange，提问作者KompiKompi