java爬虫问题二: 使用jsoup爬取数据class选择器中空格多选择怎么解决

2019独角兽企业重金招聘Python工程师标准>>> hot3.png

问题描述:

在使用jsoup爬取其他网站数据的时候,发现class是带空格的多选择,如果直接使用doc.getElementsByClass(“class的值”),这种方法获取不到想要的数据。

爬取网站页面结构如下:

 

java爬虫问题二: 使用jsoup爬取数据class选择器中空格多选择怎么解决_第1张图片

其中文章列表的div为:

我们可以看到其class的值为:am-cf inner_li inner_li_abtest。带空格的。多值的。

如果我们还是用getElementsByClass()这个方法获取的话,是获取不到的。eclipse中断点如下:

 

java爬虫问题二: 使用jsoup爬取数据class选择器中空格多选择怎么解决_第2张图片

可以看到获取的值的长度size=0。没有获取到数据。

经过各方搜索,发现解决方案:使用的不是getElementsByClass()方法,可以使用其他方法。

先上成功后截图:

 

java爬虫问题二: 使用jsoup爬取数据class选择器中空格多选择怎么解决_第3张图片

我们可以看到数据的长度size=20了。说明获取到数据了。

下面讲解select方法使用:

Elements org.jsoup.nodes.Element.select(String cssQuery)

 

java爬虫问题二: 使用jsoup爬取数据class选择器中空格多选择怎么解决_第4张图片

样式选择器。

查看源码:

 

java爬虫问题二: 使用jsoup爬取数据class选择器中空格多选择怎么解决_第5张图片

我们知道这个可以多个。

在看看我们案例中使用的是:div.am-cf.inner_li.inner_li_abtest。为什么要这么写呢?

查看需要爬取文章的页面结构:

 

java爬虫问题二: 使用jsoup爬取数据class选择器中空格多选择怎么解决_第6张图片

这下就明白了为什么这么用了吧。

凯哥微信id:kaigejava

个人网站:www.kaigejava.com

凯哥网站地址:http://kaigejava.com/article/detail/121

转载于:https://my.oschina.net/kaigejava/blog/1627802

你可能感兴趣的:(爬虫,java,python)