如何使用 Jsoup 访问翻译页面的源代码

Question

当我在使用 Google 翻译时遇到这个问题时，我正在尝试使用 Jsoup 来查看是否可以从网页中提取信息。我已经走得够远了，以至于我的程序可以吐出一个直接转到翻译页面的 url，但是当我尝试从中提取源代码时，它会从 Translating...页。 以下是日语页面的示例链接：

http://translate.google.com/translate_p?sl=ja&tl=en&u=https://mixi.jp/&depth=1&usg=ALkJrhhBn74JodxnRkFSjqBuPEZ2RJRJAQ

（此链接稍后会变回原来的谷歌翻译页面）

如果你打开这个 url 并快速点击 ctrl + u，你会得到我之前提到的翻译页面的源代码（这是 Jsoup 在我从这个 url 中提取它时所做的）。我如何访问后面的源代码（在翻译页面上）？

我已经尝试从翻译页面中提取链接并关注它，但它没有给我想要的结果。请仅帮助我访问 Translating...

之后出现的页面页面

这段代码会输出一个链接，让您通过 iframe

    //GET INTO FIRST FRAME OF GOOGLE TRANSLATE PAGE     
    //translate web page from English to English through google translate
    String url1 = "http://translate.google.com/translate?sl=ja&tl=en&u=https://mixi.jp/";

    //create doc to hold html content
    Document document1 = Jsoup.connect(url1).userAgent("Mozilla/5.0 (Windows NT 6.1; WOW64; rv:17.0) Gecko/17.0 Firefox/17.0").get();

    //take url1 to web page where actual content is 
    Element link = document1.select("iframe").first();
    String linkSrc1 = link.attr("abs:src");

    System.out.println("linkSrc1: " + linkSrc1);
    //END OF GET INTO FIRST FRAME OF GOOGLE TRANSLATE PAGE

谢谢！

Answer 1

Jsoup 不会自动加载 iframe。

“Translating...” 之后的页面实际上是在 iframe 中加载的。

获取方法如下：

Document doc = Jsoup.connect("http://translate.google.com/translate_p?sl=ja&tl=en&u=https://mixi.jp/&depth=1&usg=ALkJrhiYgjK_C-VB2hFQ6iJp08gETWw9yQ").get();

Elements elements = doc.select("iframe[name=c]");
if (elements.size() == 1) {
   Document pageAfterTranslation = Jsoup.connect(elements.first().attr("abs:src")).get();
   // ...
} else {
   throw new RuntimeException("Not exactly ONE iframe found...");
}