1

我正在尝试以这种方式获取此代码的结果：

标题： Ben 10 Ultimate Alien

评论：taseen_shafquattaseen_shafquat：这个系列有第四季吗

作品名：阿基拉

评论：dragon3476dragon3476：我最喜欢的动画之一，出色的工作和关于我的第 300 块手表，我仍然得到它刚出来时的原始海报 + dvd 和 vid，甚至是 T 恤，所以是的，我不能说任何坏话关于这么棒的动画 5/5

但是，我是这样理解的：

标题： Ben 10 Ultimate Alien

标题：taseen_shafquattaseen_shafquat：这个系列有第四季吗

作品名：阿基拉

标题：dragon3476dragon3476：我最喜欢的动画之一，出色的工作，关于我的第 300 块手表，我仍然得到它发布时的原始海报 + dvd 和 vid，甚至是 T 恤，所以是的，我不能说任何坏话关于这么棒的动画 5/5

代码

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.nodes.Node;
import org.jsoup.select.Elements;

import java.io.*;
import java.util.List;

public class WebScraper {

    public static void main(String[] args) throws Exception {
        String url = "http://www.1channel.ch/latest_comments.php";
        Document doc = Jsoup.connect(url).get();
        for (Element E : doc.select("div.latest_comments > a, div.latest_comments > p")) {

         System.out.print("title: "+ E.getElementsByTag("a").text());
         System.out.println(  E.getElementsByTag("p").text());
          //    System.out.println(T);
            System.out.print("\n");

            try 
            {
            PrintWriter out = new PrintWriter(new BufferedWriter(new FileWriter("/Users/samualdoku/Desktop/Twitter/scraped.txt", true)));
            out.println(E.text());
            out.close();
             } catch (IOException e) {
            }  
        }

    }

}

这是我要抓取的 html。我认为问题出href在span. 它包含评论者用户名。我要求getElementsByTag("a")标题是因为标题在锚标记内。如何摆脱 span 标签，因为它会在用户名前面打印标题，这不应该是这样。

 <div class="latest_comments com_class_tv">
    <a href="/tv-2733767-Dallas/season-1-episode-3">Dallas</a>
    ( 6 minutes ago )
    <p>
        <span class="latest_comments_poster">
          <a href="/profile/jowar">jowar</a>
          :
        </span>
        i just started watchin...eeing as its 34nyrs old
    </p>
</div>
4

1 回答 1

0

试试这个

public static void main(String[] args) throws Exception {
 String url = "http://www.1channel.ch/latest_comments.php";
 Document doc = Jsoup.connect(url).get();
 for (Element E : doc.select("div.latest_comments)) {

  System.out.print("title: "+ E.select("a").text());
  System.out.println("comment: " + E.select("p").text());

 }
}
于 2012-06-21T10:37:13.810 回答