Question

我需要帮助用Jsoup抓取网页。我想从hcfactions网页分析玩家个人资料并收集他们的杀戮和死亡。我遇到的问题是每个配置文件页面都是动态创建的，如果玩家有杀人或死亡，则只会有所说的表格。因此，为了告诉我正在解析哪个表，我需要获得在调用之后设置的头文本。

示例网页：http://www.hcfactions.net/index.php?action=playerinfo&player=Djmaddox。

以下是我正在抓取的网页中的html片段：

<table class='table-bordered'><h2 style='text-align:center'>Deaths</h2>
    <tr><td>Date</td><td>Reason</td><td>Details</td></tr><tr><td>Dec 11 5:27pm CST</td>.....

我有这个代码来拉取表格并对条目进行计数，但它不会随身携带h2标签供我选择。

public void getPlayerDetails(String name) {
        String data = "";
        Avatar temp = _db.getPlayer(name);
        playerUrl = "http://www.hcfactions.net/index.php?action=playersearch&player=" + name;
        try {
//            data = Jsoup.connect(url)
//                    .url(url).get().html();
            playerDoc = Jsoup.connect(playerUrl).get();
        } catch (IOException ex) {
            Logger.getLogger(JParser.class.getName()).log(Level.SEVERE, null, ex);
        }
        if (playerDoc.select("table").size() == 1) {
            return;
        } else if (playerDoc.select("table").size() >= 2) {

            for (int x = 1; x < playerDoc.select("table").size(); x++) {

                System.out.println("deaths");
                Element table = playerDoc.select("table").get(x);
                Iterator<Element> ite = table.select("tr").iterator();
                int count = 0;
                while (ite.hasNext()) {
                    data = ite.next().text();
                    count++;
                }

                if (count > 0) {
                    temp.setDeaths(count - 1);
                }


            }

        }
    }

Answer 1

标记<h2>位于无效位置。这就是为什么JSoup无法找到它的原因。你必须用正则表达式自己提取它。您可以使用以下代码获取<h2>的内容：

String tableToString = "<table class='table-bordered'><h2 style='text-align:center'>Deaths</h2>" + "<tr>" + "<td>Date</td>" + "<td>Reason</td>" + "<td>Details</td>" + "</tr>" + "</table>";
String regex = "<h2.*>(.*)?</h2>";

Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(tableToString);
if (matcher.find()) {
    System.out.println(matcher.group(1));
}

您可以使用代码中的tableToString初始化table.toString()。

Answer 2

正如ka3ak所说，<h2>被错误定位了。但是你不必放弃你的解析器就可以使用正则表达式。假设JSoup是一个不错的HTML解析器（我自己从未使用过它），<h2>元素应该是紧邻<table>元素之前的元素。获取“选择”语句以在那里查找。

Answer 3

Elements headers=playerDoc.select("div.span10.offset1 h2");
恕我直言你的选择接缝有点过于复杂，但也许它必须像那样。无论如何，上面的代码片段将为您提供适当容器中的每个H2标签。稍后您可以选择所需的表格Elements tables=playerDoc.select("div.span10.offset1 table");
并将适当的数据挖掘到它们上面。标题将与table ofc的顺序相对应。我想，我的工作是在这里完成的：）

如何使用Jsoup获取表的h2标签

3 个答案: