Question

我正在尝试获取HTML的正文内容，但它只返回给我这个特定网站的空体，它可以是什么？

Document doc = Jsoup
            .connect("http://givatram.ort.org.il/%D7%9C%D7%95%D7%97-%D7%A9%D7%99%D7%A0%D7%95%D7%99%D7%99-%D7%9E%D7%A2%D7%A8%D7%9B%D7%AA/")
            .userAgent(
                    "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/27.0.1453.110 Safari/537.36")
            .timeout(0).followRedirects(true).execute().parse();
    Elements titles = doc.select(".entrytitle");

    System.out.println(doc.body());

Answer 1

我可以重现你的问题。如果我使用System.out.println(doc)检查整个文档，那么我可以看到head标记中有一个脚本，表示连接到该站点。根据{{3}}，Jsoup只是一个纯HTML解析器，不执行Javascript。也许网站的内容是通过Javascript加载的，这就是为什么主体是空的？

修改1：

我可以验证这一点。如果我使用this answer，一个JavaFx浏览器的小包装器，我可以看到正文：

BrowserEngine browser = BrowserFactory.getWebKit();
Page page = browser.navigate("http://givatram.ort.org.il/%D7%9C%D7%95%D7%97-%D7%A9%D7%99%D7%A0%D7%95%D7%99%D7%99-%D7%9E%D7%A2%D7%A8%D7%9B%D7%AA/");
System.out.println(page.getDocument().getBody());

所以看起来你想要做的事情很遗憾不可能用JSoup。

Jsoup.body（）返回空体

1 个答案: