从论坛中提取线程头和线程回复

Question

我想从论坛中仅提取用户的视图和回复以及头部的标题。 在此代码中，当您提供url时，代码将返回所有内容。 我只想要在标题标签中定义的线程标题和在div内容标签之间的用户回复。 帮帮我如何提取。 解释如何在txt文件中打印它

package extract;

import java.io.*;

import org.jsoup.*;

import org.jsoup.nodes.*;

public class TestJsoup
{
   public void SimpleParse()  
   {        
        try  
        {

            Document doc = Jsoup.connect("url").get();

            doc.body().wrap("<div></div>");

            doc.body().wrap("<pre></pre>");
            String text = doc.text();
           // Converting nbsp entities

            text = text.replaceAll("\u00A0", " ");

            System.out.print(text);

         }   
         catch (IOException e) 
         {

            e.printStackTrace();

         }

    }

    public static void main(String args[])
    {

      TestJsoup tjs = new TestJsoup();

      tjs.SimpleParse();

    }

}

Answer 1

为什么你将body-Element包裹在div和pre标签中？

标题元素可以这样选择：

Document doc = Jsoup.connect("url").get();

Element titleElement = doc.select("title").first();
String titleText = titleElement.text();

// Or shorter ...

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

DIV-标签：

// Document 'doc' as above

Elements divTags = doc.select("div");


for( Element element : divTags )
{
    // Do something there ... eg. print each element
    System.out.println(element);

    // Or get the Text of it
    String text = element.text();
}

这里是关于整个Jsoup Selector API的概述，这将帮助您找到所需的任何元素。

Answer 2

好吧，我使用了另一个代码，我收集了这个特定标签的数据。

Elements content = doc.getElementsByTag（“blockquote”）;

元素k = doc.select（“[postcontent restore]”）;

。content.select（ “BLOCKQUOTE”）除去（）;

。content.select（ “BR”）除去（）;

。content.select（ “DIV”）除去（）;

。content.select（ “a”）的除去（）;

。content.select（ “B”）除去（）;