html - 使用 Jsoup 从网页中提取信息

Question

我想使用 Jsoup 从 buy.com 页面中提取评论和评级信息。问题是我似乎无法弄清楚如何做到这一点，因为每条评论的 id 根据其数量而有所不同。例如，第 11 条评论看起来像这样：

<a id="CustomerReviews_customerReviews_ctl11_reviewIdAnchor" name="a352496"> </a> 

5 of 5 Great Product 12/15/2010 

A customer from x 

content

而评论编号 12 的 ID 为：ctl12 如何提取页面中所有评论的评论内容和评分？

score 1 · Accepted Answer

我有点晚了，但我希望它可以帮助你和其他可能发现同样问题的人！

你应该尝试这样的事情：

String code1 = "<span id=\"CustomerReviews_customerReviews_ctl11_ratingInfo\"><span class=\"blueText\"><b>1</b> of <b>5</b></span> <b>Great Product</b> 12/15/2010<br /></span>";
String code2 = "<span id=\"CustomerReviews_customerReviews_ctl12_ratingInfo\"><span class=\"blueText\"><b>2</b> of <b>5</b></span> <b>Bad product</b> 12/03/2010<br /></span>";

Document document = Jsoup.parse(code1 + code2);

Elements elements = document.select("span[id~=CustomerReviews_customerReviews_ctl.*_ratingInfo] ");

for (Element element : elements) {
    System.out.println(element.outerHtml());
        Elements spanBlueText = element.select("span > span > b");
        String note = spanBlueText.get(0).text();
        String max = spanBlueText.get(1).text();
        System.out.println("    - note: " + note + "/" + max);

        String comment = element.select("> b").text();
        System.out.println("    - comment: " + comment);

        String date = element.text();
        date = date.substring(date.length() - 10);
        System.out.println("    - date: " + date);
}

这个例子大量使用了 Jsoupselect方法。您可以在Jsoup Cookbook中找到其参数的正确语法。

html - 使用 Jsoup 从网页中提取信息

1 回答 1

Related

Reference