Question

我正在使用JSoup来审核亚马逊特定网页的评论，我现在拥有的是：

    Document doc = Jsoup.connect("http://www.amazon.com/Presto-06006-Kitchen-Electric-Multi-Cooker/product-reviews/B002JM202I/ref=sr_1_2_cm_cr_acr_txt?ie=UTF8&showViewpoints=1").get();
    String title = doc.title();

    Element reviews = doc.getElementById("productReviews");
    System.out.println(reviews);

这给了我带有评论的html块，但我只想要没有所有标签div的文本等等。我想把所有这些信息写入文件。我怎样才能做到这一点？谢谢！

Answer 1

使用text()方法

System.out.println(reviews.text());

Answer 2

虽然text()会为您提供大量文字，但您需要先使用jsoup的select(...)方法将问题细分为单独的审核元素。我会给你第一个大分区，但是你可以进一步细分它：

public static List<Element> getReviewList(Element reviews) {
  List<Element> revList = new ArrayList<Element>();
  Elements eles = reviews.select("div[style=margin-left:0.5em;]");
  for (Element element : eles) {
     revList.add(element);
  }
  return revList;
}

如果您分析每个元素，您应该看看亚马逊如何进一步细分所持有的信息，包括评论的标题，评论的日期和它所持有的文本正文。

使用JSoup从Amazon检索评论

2 个答案: