如何用Jsoup提取链接标题中的“396900 runs”？

数据老陈

2026-5-22

使用Jsoup提取“396900 runs”的分步指南

嘿，作为网页抓取和Jsoup的新手，这个任务其实很简单，我一步步带你完成：

第一步：解析HTML片段
首先你需要把给定的HTML字符串转换成Jsoup可以处理的Document对象，用Jsoup.parse()方法就能轻松做到。
第二步：定位目标标签
你要提取的文本在<a>标签里，我们可以通过它的href属性精准定位，用Jsoup的选择器语法a[href=#taskruns]就能找到这个元素。

第三步：提取标签文本
拿到<a>元素后，调用text()方法就能获取它的完整文本内容：“396900 runs submitted”。

第四步：截取你需要的部分
现在只需要去掉末尾的“ submitted”就行，最简单的方式是用字符串分割或者截取。比如用split(" submitted")[0]直接拿到前面的部分，或者用正则匹配数字加“ runs”的组合。

下面是完整的代码示例：

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;

public class JsoupExample {
    public static void main(String[] args) {
        // 给定的HTML片段
        String html = "<i class=\"fa fa-star\"></i> <a href=\"#taskruns\" data-toggle=\"tab\">396900 runs submitted</a>";
        
        // 解析HTML
        Document doc = Jsoup.parse(html);
        
        // 定位到目标a标签
        Element linkElement = doc.selectFirst("a[href=#taskruns]");
        
        if (linkElement != null) {
            // 获取完整文本
            String fullText = linkElement.text();
            // 提取需要的部分：分割掉" submitted"
            String targetText = fullText.split(" submitted")[0];
            
            // 输出结果：396900 runs
            System.out.println(targetText);
        } else {
            System.out.println("未找到目标元素");
        }
    }
}

如果你想更灵活一点，比如以后文本格式有小变化，也可以用正则表达式来匹配，比如：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

// ... 前面的代码不变
Pattern pattern = Pattern.compile("(\\d+ runs)");
Matcher matcher = pattern.matcher(fullText);
if (matcher.find()) {
    String targetText = matcher.group(1);
    System.out.println(targetText);
}

这种方式能匹配任意数字加“ runs”的组合，适应性更强。

内容的提问来源于stack exchange，提问作者Zeshan Fayyaz