用Jsoup刮痧

Question

我需要从这个页面收集数据http://bulbapedia.bulbagarden.net/wiki/List_of_Pok%C3%A9mon_by_National_Pok%C3%A9dex_number，但问题是我需要的是每个小宠物的链接，所以对于第一个，“/ wiki / Bulbasaur_（Pok％C3％A9mon）”（所有我需要做的就是在前面添加“bulbapedia.bulbagarden.net”，但我不知道如何获得所有这些。我已经看到了一些例子，但我没有看到任何可以帮助我的东西。那些我已经看到通过获取div中的数据来使用循环但这些链接似乎不是除了主要的大的任何div的一部分。

所以有人知道我怎么能刮掉这个页面吗？

Answer 1

这是一个解决方案：

Document doc = Jsoup.connect("http://bulbapedia.bulbagarden.net/wiki/List_of_Pok%C3%A9mon_by_National_Pok%C3%A9dex_number").get();


for( Element element : doc.select("td > span.plainlinks > a") )
{
    /* 
     * You can do further things here - for this example we 
     * only print the absolut url of each link.
     */
    System.out.println(element.absUrl("href"));
}

这已经为您提供了每个小精灵链接的绝对网址：

http://bulbapedia.bulbagarden.net/wiki/Bulbasaur_(Pok%C3%A9mon)
http://bulbapedia.bulbagarden.net/wiki/Ivysaur_(Pok%C3%A9mon)
http://bulbapedia.bulbagarden.net/wiki/Venusaur_(Pok%C3%A9mon)
http://bulbapedia.bulbagarden.net/wiki/Charmander_(Pok%C3%A9mon)
...

但是，如果您需要相对网址，则只需将element.absUrl("href")替换为element.attr("href")。

结果：

/wiki/Bulbasaur_(Pok%C3%A9mon)
/wiki/Ivysaur_(Pok%C3%A9mon)
/wiki/Venusaur_(Pok%C3%A9mon)
/wiki/Charmander_(Pok%C3%A9mon)
...

有关此内容的说明，请参阅：Jsoup Selector API。这里可以找到一些很好的例子：Jsoup Codebook。