Question

我试图解析我的大学网站，从主站点获取新闻列表（标题+链接）。但是，当我试图解析一个完整的网站时，我正在寻找的链接深深地嵌套在其他类，表等中。这是我试图使用的代码：

String url = "http://www.portal.pwr.wroc.pl/index,241.dhtml";
    Document doc = Jsoup.connect(url).get();
    Elements links = doc.select("table.cwrapper .tbody .tr td.ccol2 div.cwrapper_padd div#box_main_page_news.cbox.grey div#dyn_main_news.cbox.padd2 div.nitem table.nitemt .tbody .tr td.nitemcell2 span.title_1");
    ArrayList <String> listOfLinks = new ArrayList <String> ();
    int counter = 0;


    for (Element link : links) {

        listOfLinks.add(link.text());

    }

但它不起作用。是否有更好的方法来获取所有这些链接的href值和标题，如果它们中的每一个都放在：

<span class = "title_1">
    <a href="Link Adress">Link Title</a>
</span>

也许某种循环会迭代所有这些标记，从中获取值？

感谢您的帮助： - ）

Answer 1

您的主要问题是，您正在寻找的信息不在您使用的网址上，而是在http://www.portal.pwr.wroc.pl/box_main_page_news,241.dhtml?limit=10。你应该首先得到那个页面，然后使用它（它是Hovercraft和Andrei volgon的答案的组合） -

String url = "http://www.portal.pwr.wroc.pl/box_main_page_news,241.dhtml?limit=10";
String baseURL = "http://www.portal.pwr.wroc.pl/";
Document doc = Jsoup.connect(url).get();
Elements links = doc.select(".title_1 > a");
for (Element link : links) {
    System.out.println("Title - " + link.text());
    System.out.println(baseURL + link.attr("href"));
}

Answer 2

您需要找到选择正确元素的最不复杂的唯一选择器。在您的情况下，解决方案非常简单：

doc.select(".title_1 > a")

Answer 3

为什么不简单地执行，readline然后在选择返回的元素中的每个元素上调用doc.select("a[href]");和.attr("href")？

例如：

.text()

使用Jsoup从特定类中获取所有href值

3 个答案: