0

我需要一些帮助来使用 Jsoup 抓取网页。我想从 hcfactions 网页解析玩家资料并收集他们的杀戮和死亡情况。我遇到的问题是每个个人资料页面都是动态创建的，并且只有在玩家被杀或死亡时才会有所述表格。因此，为了知道我正在解析哪个表，我需要获取调用后设置的标题文本。

示例网页：http ://www.hcfactions.net/index.php?action=playerinfo&player=Djmaddox 。

下面是我正在抓取的网页中的一个 html 片段：

<table class='table-bordered'><h2 style='text-align:center'>Deaths</h2>
    <tr><td>Date</td><td>Reason</td><td>Details</td></tr><tr><td>Dec 11 5:27pm CST</td>.....

我有这段代码可以拉出表格并计算条目，但它不会拉出 h2 标签供我选择。

public void getPlayerDetails(String name) {
        String data = "";
        Avatar temp = _db.getPlayer(name);
        playerUrl = "http://www.hcfactions.net/index.php?action=playersearch&player=" + name;
        try {
//            data = Jsoup.connect(url)
//                    .url(url).get().html();
            playerDoc = Jsoup.connect(playerUrl).get();
        } catch (IOException ex) {
            Logger.getLogger(JParser.class.getName()).log(Level.SEVERE, null, ex);
        }
        if (playerDoc.select("table").size() == 1) {
            return;
        } else if (playerDoc.select("table").size() >= 2) {

            for (int x = 1; x < playerDoc.select("table").size(); x++) {

                System.out.println("deaths");
                Element table = playerDoc.select("table").get(x);
                Iterator<Element> ite = table.select("tr").iterator();
                int count = 0;
                while (ite.hasNext()) {
                    data = ite.next().text();
                    count++;
                }

                if (count > 0) {
                    temp.setDeaths(count - 1);
                }


            }

        }
    }
4

3 回答 3

0

正如 ka3ak 所说，这<h2>是错误的定位。但是您不必为此放弃解析器而求助于正则表达式。假设 JSoup 是一个不错的 HTML 解析器（我自己从未使用过），则<h2>元素应该是紧接在该元素之前的<table>元素。获取您的“选择”语句以在那里查找它。

于 2012-12-21T17:18:34.230 回答
0

Elements headers=playerDoc.select("div.span10.offset1 h2");
恕我直言，您的选择接缝有点过于复杂，但也许必须是这样。无论如何，上面的代码片段都会让您在适当的容器中出现每个 H2 标签。稍后您可以选择类似的所需表
Elements tables=playerDoc.select("div.span10.offset1 table");
并应用适当的数据挖掘它们。标题将与表的顺序相对应。我想，我的工作已经在这里完成了 :)

于 2013-08-06T08:52:38.680 回答
0

标签<h2>位于无效位置。这就是我认为 JSoup 找不到它的原因。您必须使用正则表达式自己提取它。您可以<h2>使用以下代码获取 的内容：

String tableToString = "<table class='table-bordered'><h2 style='text-align:center'>Deaths</h2>" + "<tr>" + "<td>Date</td>" + "<td>Reason</td>" + "<td>Details</td>" + "</tr>" + "</table>";
String regex = "<h2.*>(.*)?</h2>";

Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(tableToString);
if (matcher.find()) {
    System.out.println(matcher.group(1));
}

tableToString您可以从您的table.toString()代码中初始化。

于 2012-12-21T17:02:23.070 回答