使用 jsoup 问题抓取网站答案

【问题标题】：Scraping site with jsoup issue使用 jsoup 问题抓取网站
【发布时间】：2012-01-29 09:25:53
【问题描述】：

当我使用 jsoup 抓取网站时，我得到了我不想收到的额外值。我只想知道他的名字而不是他的团队和职位。目前也在拼位置和团队。我只想收到名字。

页面来源：

<td class="playertableData">5</td><td class="playertablePlayerName" id="playername_515" style=""><a href="" class="flexpop" content="tabs#ppc" instance="_ppc" fpopHeight="357px" fpopWidth="490px" tab="null" leagueId="0" playerId="515" teamId="-2147483648" cache="true">Derrick Rose</a>, Chi&nbsp;PG<a href="" class="flexpop" content="tabs#ppc"

我的代码：

while (tdIter.hasNext()) {
                        int tdCount = 1;
                        Element tdEl = tdIter.next();
                        name = tdEl.getElementsByClass("playertablePlayerName")
                                .text();

                        Elements tdsEls = tdEl.select("td.playertableData");
                        Iterator<Element> columnIt = tdsEls.iterator();

                        namelist.add(name);

输出：

 name: Derrick Rose, Chi PG

【问题讨论】：

标签： android jsoup

【解决方案1】：

你做错了。顺带一提，

name = tdEl.getElementsByClass("playertablePlayerName").text();

您将获得 class="playertablePlayerName" 的完整文本，其中包括锚标记和任何标记外的平面文本。意味着，你会得到

Derric Rose, Chi PG

你的输出是什么。要解决此问题，您还必须包含锚标记的条件。尝试使用 belove 线作为替代品。

doc = Jsoup_Connect.doHttpGet();
Elements tdsEls = doc.getElementsByClass("playertablePlayerName");
name = tdsEls.get(0).child(0).text();

你可以遍历你已经得到的 td 的孩子。当你得到正确的标签时，使用链式 text() 方法。

如果您有任何疑问，请随时询问。

【讨论】：

谢谢！但出现以下错误：方法 getElementsByTagname(String) 未定义元素类型
好吧，显然我犯了一个错误。 name = tdEl.getElementsByClass("playertablePlayerName") 将返回一个对象列表。我已经更正了我的答案。再看看。如果有效，别忘了接受答案，点击左边的勾号。
再次尝试但结果相同：name = tdEl.getElementsByClass("playertablePlayerName").get(0).text();
好的，你能粘贴你的 HTML 和你用来解析它的代码吗？我会尝试测试我这边的代码。
您好，我今天才看到您的粘贴！我为这个问题做了一个简单的应用程序，代码在这里可用：pastie.org/3300889 也更新了我的答案。谢谢

【解决方案2】：

你可以破解这段代码来得到你想要的：

    Document doc = Jsoup.connect("http://games.espn.go.com/fba/playerrater?&slotCategoryId=0").get();
    for (Element e : doc.select(".playertablePlayerName")) {
        //this assumes the name is in the first anchor tag
        //which it seems to be according to the url in your pastbin
        System.out.println(e.select("a").first().text()); 
    }

要翻译成您的代码，我认为这会起作用...

name = tdEl.select("a").first().text();

让我知道这是否适合你。

【讨论】：

【解决方案3】：

另一种解决方案：

1.- 名字

String url = "http://games.espn.go.com/fba/playerrater?&slotCategoryId=0";

    //First Name
    try {
        Document doc = Jsoup.connect(url).get();
        Element e = doc.select("td.playertablePlayerName > a").first();
        String name = e.text(); 
        System.out.println(name);                   
        } 
    catch (IOException e) {             
    }

2.- 所有的名字

    //All Names
    try {
        Document doc = Jsoup.connect(url).get();
        Elements names = doc.select("td.playertablePlayerName > a");
        for( Element e : names )  {
            String name = e.text(); 
            System.out.println(name);
        }

        } 
    catch (IOException e) {             
    }

【讨论】：