WebCollector学习笔记（二）jsoup的小记

阅读更多

一、jsoup

抽取信息的时候用到了jsoup。下面简单记录下jsoup的使用心得

http://www.open-open.com/jsoup/selector-syntax.htm

1.1 jsoup选择器

标签指定id

 
  

正文部分正文部分正文部分正文部分
  
  

 方法为：

 

Elements eContent = doucument.select("div.list_left").select("div#content")；		
String content = eContent.text();

抽取的class属性有空格存在

 

例如想抽取:

       

新闻列表新闻列表新闻列表新闻列表新闻列表新闻列表

则可以通过将空格处拆分成两个select的方式进行，这里参考了这篇博文： http://blog.csdn.net/qew110123/article/details/52795204

具体的实现代码就变成了：

Elements pageHaveClass = page.select("div.list_left").select(".clist").select(".sborder");