【发布时间】:2013-06-01 23:13:56
【问题描述】:
我正在使用 Jsoup 抓取电子商务网站。在这个我想得到像和价格这样的标签。 在 Jsoup.parse() 之后,我无法得到这个。
<div id="ctl00_ContentPlaceHolder1_ctl00_ctl03_Showcase">
<div class="controlcontent_r">
<div class="bucketgroup">
<div class="prod_viewsparent">
<div class="bucket" style="width: 175px; height: 280px;">
<div class="bucket_left">
<a href="/Products/Buy-Online-Electronics-Cameras-Digital-Cameras/Nikon/Nikon-Coolpix-L27-Point--Shoot/pid-2849731.aspx">
<img class="mtb-img" style="width: 150px; height: 150px;" src="http://resources-images.martjackhosting.com/s3/martjack-resources/5d4b3aa1-119a-4d82-b9bb-1b6bdbd62002/Images/ProductImages/Source/NikonL27-BLK.jpg;width=150;height=150;scale=canvas" alt="Nikon Coolpix L27 Point & Shoot" title="Digital Cameras, Nikon, Nikon Coolpix L27 Point & Shoot"></a>
<div id="2849731" class="btn_quick_view" style="display:none">
<a rel="2849731,0,2466375,5d4b3aa1-119a-4d82-b9bb-1b6bdbd62002" href="#">Quick View</a></div>
<h4 class="mtb-title">Nikon Coolpix L27 Point & Shoot</h4>
<div class="mtb-desc">
<span class="mtb-price">
<label class="mtb-mrp">
<b class="lb1"> MRP </b>
<span class="WebRupee">Rs. </span>
4,990
</label>
<label class="mtb-ofr">
<b class="lb2"> Now At </b>
<span class="WebRupee">Rs. </span>
4,700
</label>
</span>
<span class="offer_block">
<a class="mtb-more" href="/Products/Buy-Online-Electronics-Cameras-Digital-Cameras/Nikon/Nikon-Coolpix-L27-Point--Shoot/pid-2849731.aspx" title="Click for more details"></div>
解析后看不到“div class="bucket"”标签。
我该如何处理?
【问题讨论】:
-
您提供的页面的 sn-p 不完整 - 大多数 div 都没有关闭 - 您能给我们一个您正在抓取的网站的示例 URL 吗? Jsoup 非常擅长处理损坏的 HTML,但它无法像您在此处提供的那样处理半页! :-)
-
谢谢jabraat.com/categories/Buy-Digital-Cameras-Online/… 这是我正在抓取的网址。
标签: java html web-scraping jsoup