使用Jsoup提取句子的屏幕刮痧

Question

我想做一些屏幕抓取，经过一些研究后，似乎JSoup是完成此任务的最佳工具。我希望能够在网页上提取所有句子;例如，给定这个维基百科页面http://en.wikipedia.org/wiki/Data_scraping#Screen_scraping，我希望能够获得该页面上的所有句子并将其打印到控制台。我仍然不熟悉JSoup如何工作，所以如果有人能帮助我，那将非常感激。谢谢！

Answer 1

首先下载Jsoup并将其包含在您的项目中。然后，最好的起点是Jsoup食谱（http://jsoup.org/cookbook/），因为它提供了将与Jsoup一起使用的最常用方法的示例。我建议您花一些时间来完成这些示例以熟悉API。另一个好的资源是javadocs。

以下是从您提供的Wikipedia链接中提取一些文字的快速示例：

String url = "http://en.wikipedia.org/wiki/Data_scraping#Screen_scraping";  

// Download the HTML and store in a Document
Document doc = Jsoup.connect(url).get();

// Select the <p> Elements from the document    
Elements paragraphs = doc.select("p");

// For each selected <p> element, print out its text
for (Element e : paragraphs) {
    System.out.println(e.text());
}