我正在尝试使用 Jsoup 抓取此 https://www.actksa.com/ar/training-courses/training-in/Jeddah,我编写的代码仅包含第一页上的主题。
try {
String url = "https://www.actksa.com/ar/training-courses/training-in/Jeddah";
Document doc = Jsoup.connect(url).get();
Elements data = doc.select("tr");
int size = data.size();
Log.d("doc", "doc: "+doc);
Log.d("data", "data: "+data);
Log.d("size", ""+size);
for (int i = 0; i < size; i++) {
String title = data.select("td.wp-60")
.eq(i)
.text();
String detailUrl = data.select("td.wp-60")
.select("a")
.eq(i)
.attr("href");
parseItems.add(new ParseItem(title, detailUrl));
Log.d("items"," . title: " + title);
如何继续从下一页抓取主题? 我注意到我可以使用分页,但我不确定如何使用。其次,进入下一页时链接略有变化,因此我可以使用它。转到下一页并继续抓取标题的代码是什么?
答案 0 :(得分:0)
该站点的分页似乎由 ?page=<int>
查询参数控制。
只需将现有代码包装在控制当前页面的 for
循环中。
int numPages = 5; // the number of pages to scrape
for (int i = 0; i < numPages; i++) {
String url = "https://www.actksa.com/ar/training-courses/training-in/Jeddah?page=" + i;
Document doc = Jsoup.connect(url).get();
Elements data = doc.select("tr");
int size = data.size();
Log.d("doc", "doc: "+doc);
Log.d("data", "data: "+data);
Log.d("size", ""+size);
for (int j = 0; j < size; j++) {
String title = data.select("td.wp-60")
.eq(j)
.text();
String detailUrl = data.select("td.wp-60")
.select("a")
.eq(j)
.attr("href");
parseItems.add(new ParseItem(title, detailUrl));
Log.d("items"," . title: " + title);
}
}
如果您想在不对数字进行硬编码的情况下获取所有页面,请将增量放入 while 循环中,当页面上的表格没有内容时,该循环将中断。例如,https://www.actksa.com/ar/training-courses/training-in/jeddah?page=6
不是一个有效的页面,只是显示一个带有空表的页面。