jsoup解析html/根据关键词拿到论坛帖子信息

以论坛《宽带山》为例，需要根据给定的关键词，取得关于该关键词的所有帖子，包括人气数，发帖主题，回复数，发表人，发表时间，帖子链接，帖子详细文本内容等。

 

            详细代码如下：

import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class KeyWordsSearchUtil {

    /**
     * 根据关键词查询论坛所需信息map
     * @param KeyWord  传入关键词
     * @return
     */
    public static List<Map<String, Object>> findByKeyWord(String KeyWord) {

        List<Map<String, Object>>postsList=new ArrayList<Map<String,Object>>();
        Map<String, Object>postsOneMap=null;
        try {
            Document doc = Jsoup.connect("http://club.pchome.net/forum_1_15____md__1_"+java.net.URLEncoder.encode(KeyWord,"utf-8")+".html")
              .data("query", "Java")
              .userAgent("Mozilla")
              .cookie("auth", "token")
              .timeout(10000)
              .ignoreHttpErrors(true)
              .post();

            Elements postsLs=doc.select("li.i2").not(".h-bg");
            if (postsLs!=null&&postsLs.size()>0) {
                for (Element childPost : postsLs) {
                    postsOneMap=new HashMap<String, Object>();
                    postsOneMap.put("postsPopularity", childPost.select("li > span.n2").first().text());
                    postsOneMap.put("postsTitle", childPost.select("span.n3 > a").attr("title"));
                    postsOneMap.put("postsFloor", childPost.select("span.n4").first().text());
                    postsOneMap.put("postsCname", childPost.select("a.bind_hover_card").first().text());
                    postsOneMap.put("postsCtime", childPost.select("li > span.n6").first().text());
                    postsOneMap.put("postsUrl", "http://club.pchome.net"+childPost.select("span.n3  a").attr("href"));
                    postsOneMap.put("postsContents", getContentsByUrl("http://club.pchome.net"+childPost.select("span.n3  a").attr("href")));

                    postsList.add(postsOneMap);
                }
            }
        } catch (Exception e) {
            e.printStackTrace();
        }

        return postsList;
    }

    /**
     * 根据帖子的url获取帖子的文本内容
     * @param url 帖子的路径
     * @return
     */
    public static String getContentsByUrl(String url) {
        String contents="11";
        try {
            Document doc = Jsoup.connect(url)
              .data("query", "Java")
              .userAgent("Mozilla")
              .cookie("auth", "token")
              .timeout(10000)
              .ignoreHttpErrors(true)
              .post();

            if(doc.select("div.mc").first()!=null){
                Element contentsEle=doc.select("div.mc div").first();
                contents=contentsEle.select("div").first().text();
                if (contents.contains("[向左转]  [向右转]  [原图]")) {
                    contents=contents.replace("[向左转]  [向右转]  [原图]", "");
                }
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
        return contents;
    }

    public static void main(String[] args) throws Exception {
        List<Map<String, Object>>postsList=KeyWordsSearchUtil.findByKeyWord("电影");
        System.out.println("http://club.pchome.net/forum_1_15____md__1_"+java.net.URLEncoder.encode("电影","utf-8")+".html");
        System.out.println(postsList.size()+"/////");
        for (int i = 0; i < postsList.size(); i++) {
            for(Map.Entry<String, Object>entry:postsList.get(i).entrySet()){
                System.out.println("key="+entry.getKey()+"| value="+entry.getValue());
            }
            System.out.println("-----------------");
        }
        //http://club.pchome.net/thread_1_15_7519679.html
//      String str=getContentsByUrl("http://club.pchome.net/thread_1_15_7519679.html");
//      System.out.println(str);
    }
}

                      

                            以上代码能成功抓取宽带山论坛中，关键词为：电影 的相关帖子列表，main方法中已有测试，网络畅通下可测试通过。但上面代码仅为完成功能，性能较差，项目中需重写或优化