在 Jsoup 中使用选择进行网页抓取

Question

我是网络抓取的新手，我的限制是能够在 IMDB 中抓取页面的标题

我现在正在使用这个：

String contentText = doc.select("title").first().text();

产生字符串： Thor: The Dark World (2013) - IMDb

如果有人可以帮助我，我正在尝试将标题和年份作为单独的字符串：

《雷神：黑暗世界》《 2013 》

提前致谢！

Answer 1

String docTitle = doc.select("title").first().text();
String movieName = docTitle.substring(0,docTitle.indexOf("("));
int movieReleaseDate = Integer.parseInt(docTitle.substring(docTitle.indexOf("(")+1,
                                             docTitle.indexOf(")")));

Answer 2

好吧，如果您查看此页面的源代码，您将在文档的下方看到以下内容：

<h1 class="header">
<span class="itemprop" itemprop="name">Thor: The Dark World</span> 
<span class="nobr">(<a href="/year/2013/?ref_=tt_ov_inf" >2013</a>)</span>    
</h1>

因此，您似乎无需任何进一步的黑客攻击即可获得所需的文本。