JSoup XPath/Selector查询失效：无法提取Jenkins插件页GitHub链接求助

咱们一步步来修正你遇到的问题，先说说代码里的几个关键错误：

1. 网页内容获取方式错误 #

你用了Jsoup.parse("https://plugins.jenkins.io/hugo")，但parse()是用来解析HTML字符串的，要远程抓取网页内容，得用Jsoup.connect(url).get()，它会自动发起HTTP请求拿到页面源码。

2. XPath字符串的引号嵌套问题 #

你的XPath外层用了双引号，里面属性值也用双引号，直接导致语法报错。要么把内层双引号换成单引号，要么对双引号做转义处理。

3. 依赖索引的选择器/XPath不稳定 #

你用的选择器和XPath都依赖元素的索引（比如div:eq(2)、div[2]），一旦页面布局微调，这些定位就会失效。更好的方式是基于元素的文本内容或属性特征来定位目标链接。

正确的解决方案 #

方法一：使用JSoup的CSS选择器（推荐）

目标链接的文本是GitHub →，我们可以直接根据文本定位，或者结合它所在的容器特征（比如插件详情页的"Links"区域）来提升稳定性：

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

public class JenkinsPluginScraper {
    public static void main(String[] args) throws Exception {
        // 正确获取网页文档
        Document doc = Jsoup.connect("https://plugins.jenkins.io/hugo").get();
        
        // 方式1：直接根据链接文本定位
        Element githubLink = doc.selectFirst("a:containsOwn(GitHub →)");
        
        // 方式2：结合容器特征（更稳定，避免页面其他区域有相同文本）
        // Element githubLink = doc.selectFirst("#plugin-info .plugin-links a:containsOwn(GitHub →)");
        
        if (githubLink != null) {
            String githubUrl = githubLink.attr("href");
            System.out.println("GitHub链接：" + githubUrl);
        } else {
            System.out.println("未找到GitHub链接");
        }
    }
}

方法二：使用Xsoup的XPath

修正引号问题，同时改用基于文本内容的XPath：

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import us.codecraft.xsoup.Xsoup;

public class JenkinsPluginXPathScraper {
    public static void main(String[] args) throws Exception {
        Document doc = Jsoup.connect("https://plugins.jenkins.io/hugo").get();
        
        // 修正引号：内层用单引号，避免嵌套冲突
        String xpath = "//a[contains(text(), 'GitHub →')]";
        Element githubLink = Xsoup.compile(xpath).evaluate(doc).get();
        
        if (githubLink != null) {
            String githubUrl = githubLink.attr("href");
            System.out.println("GitHub链接：" + githubUrl);
        } else {
            System.out.println("未找到GitHub链接");
        }
    }
}

额外建议 #

• 尽量避免依赖元素索引的选择器，优先用元素的class、id、文本内容等稳定特征来定位
• 其实Jenkins插件有官方API可以直接获取信息，比如请求https://plugins.jenkins.io/api/plugin/hugo，返回的JSON里scm字段直接包含GitHub仓库地址，比网页解析更可靠

内容的提问来源于stack exchange，提问作者conikeec