2

我有这个已经从论坛抓取并保存的 html 文件。我想从抓取的数据中提取所有线程标题，问题是它设法输出了一些线程标题，但不是全部，而是跳过了一些线程标题。

我附上了实际 HTML 的示例。注意：“threadbits_forum_2” 2 是运行号

<tbody id="threadbits_forum_2">
<tr>
    <td>Thread1</td>
</tr>
<tr>
    <td>Thread2</td>
</tr>
<tr>
    <td>Thread3</td>
</tr>
<tr>
    <td>Thread4</td>
</tr>
.
.
.
.
</tbody>

Java编码：

        Document doc = Jsoup.parse(html);

        Elements threadsList = doc.select("tbody[id^=threadbits_forum]").select("tr");
        System.out.println(threadsList.toString());

结果：

 <tbody id="threadbits_forum_2">
<tr>
    <td>Thread2</td>
</tr>
<tr>
    <td>Thread4</td>
</tr>

获取所有线程标题的任何解决方法？

感谢您阅读我的帖子。

基思

4

2 回答 2

2

您需要使用 for() 语句来扫描所有名称。

Elements threadsList = doc.select("tr");
for(thread : threadsList){
      String title;
      Elements titles = thread.select("td");
      title = titles.text();
}

如果每个属性中都有属性，它会有所帮助。因此，它不仅仅是 tr 或 td，而是类似于 select("tr[class=threadClass]")。我假设您只是没有在每个属性中发布属性。

尝试类似的东西。

编辑：我将尝试解释 JSoup 的工作原理，它可能会让您更好地了解如何使用它进行编码。创建 Elements 对象时，您可以在 select() 方法中指定要扫描的元素。所以它会扫描所有的 HTML，寻找任何包含 tr 或 td 的元素。然后将它们放入 Elements 数组中。然后，您必须使用 for() 语句扫描该数组，以从这些元素中获取您想要的信息。当您只指定没有任何属性的元素时，它将检索带有 tr 或 td 元素的 HTML 的任何部分。这通常会导致错误，因为在站点上通常有多个区域包含这些元素，因此它会返回比您想要的更多。

于 2013-07-15T18:30:47.343 回答
0

您的查询要求输入错误的 tbody id。在 html 中，tbody 的 id 为“threadbits_forum_2”，您的代码正在搜索“threadbits_forum”的 id。我建议进行以下更改：

Element tbody = doc.getElementById("threadbits_forum_2");
Elements trs = tbody.getElementsByTag("tr");
//verify trs.size() is correct
for (Element tr : trs) {
    //do whatever you want
}
于 2015-06-03T00:40:07.490 回答