0

我需要从这个页面http://bulbapedia.bulbagarden.net/wiki/List_of_Pok%C3%A9mon_by_National_Pok%C3%A9dex_number收集数据，但问题是我需要的是每个口袋妖怪的链接，所以对于第一个，“ /wiki/Bulbasaur_(Pok%C3%A9mon)”（之后我需要做的就是在前面添加“bulbapedia.bulbagarden.net”，但我不知道如何获得所有这些。我看过一些例子但我在这里没有看到任何对我有帮助的东西。我见过的那些通过在 div 中获取数据来使用循环，但这些链接似乎不是任何 div 的一部分，除了主要的大一个。

那么有谁知道我怎么能刮掉这个页面？

4

1 回答 1

1

这是一个解决方案：

Document doc = Jsoup.connect("http://bulbapedia.bulbagarden.net/wiki/List_of_Pok%C3%A9mon_by_National_Pok%C3%A9dex_number").get();


for( Element element : doc.select("td > span.plainlinks > a") )
{
    /* 
     * You can do further things here - for this example we 
     * only print the absolut url of each link.
     */
    System.out.println(element.absUrl("href"));
}

这已经为您提供了每个 pokemon 链接的绝对URL：

http://bulbapedia.bulbagarden.net/wiki/Bulbasaur_(Pok%C3%A9mon)
http://bulbapedia.bulbagarden.net/wiki/Ivysaur_(Pok%C3%A9mon)
http://bulbapedia.bulbagarden.net/wiki/Venusaur_(Pok%C3%A9mon)
http://bulbapedia.bulbagarden.net/wiki/Charmander_(Pok%C3%A9mon)
...

但是，如果您需要相对URL，您只需替换element.absUrl("href")为element.attr("href").

结果：

/wiki/Bulbasaur_(Pok%C3%A9mon)
/wiki/Ivysaur_(Pok%C3%A9mon)
/wiki/Venusaur_(Pok%C3%A9mon)
/wiki/Charmander_(Pok%C3%A9mon)
...

有关这一点的解释，请参阅：Jsoup Selector API。一些很好的例子可以在这里找到：Jsoup Codebook。

于 2012-10-22T15:27:24.230 回答