如何從Jsoup中的“ a”標簽獲取屬性“ href”？

Question

我正在做一個網絡抓取項目，基本上是從Google圖片中獲取圖片。 為了獲得圖像src，我使用

Element.attr("href")

但是，它返回

#

我的密碼

Document shivWall = Jsoup.connect(searchURL).get();
Elements smallImgElements = shivWall.getElementsByClass("rg_bx rg_di rg_el ivg-i");
smallImgElements.get(0).select("a.rg_l").get(0).attr("href");

我嘗試了許多方法，但沒有一個起作用。 我什至通過將attr參數更改為某個隨機值來再次檢查，它按預期返回null。 但是，對於“ href”，它僅返回“＃”。 請幫忙。

Answer 1

為了從網站獲取標簽的src屬性，您可以嘗試使用以下代碼段

public class DownloadImages {

    //The url of the website. This is just an example
    private static final String webSiteURL = "http://www.supercars.net/gallery/119513/2841/5.html";

   //The path of the folder that you want to save the images to
   private static final String folderPath = "<FOLDER PATH>";

   public static void main(String[] args) {

   try {
     //Connect to the website and get the html32
     Document doc = Jsoup.connect(webSiteURL).get();

     //Get all elements with img tag ,
     Elements img = doc.getElementsByTag("img");

     for (Element el : img) {
         //for each element get the srs url
         String src = el.absUrl("src");

         System.out.println("Image Found!");

         System.out.println("src attribute is : "+src);

         getImages(src);

   }


} catch (IOException ex) {
   System.err.println("There was an error");
   Logger.getLogger(DownloadImages.class.getName()).log(Level.SEVERE, null, ex);

     }

}

private static void getImages(String src) throws IOException {
     String folder = null;

     //Exctract the name of the image from the src attribute
     int indexname = src.lastIndexOf("/");

     if (indexname == src.length()) {
         src = src.substring(1, indexname);

        }

        indexname = src.lastIndexOf("/");

        String name = src.substring(indexname, src.length());

        System.out.println(name);

        //Open a URL Stream

        URL url = new URL(src);

        InputStream in = url.openStream();

        OutputStream out = new BufferedOutputStream(new FileOutputStream( folderPath+ name));

        for (int b; (b = in.read()) != -1;) {

            out.write(b);

        }

        out.close();

        in.close();

    }

}

這是您可以使用Jsoup從網站下載圖像的方法。

希望這可以幫助。

Answer 2

如果您將檢查通過Document shivWall = Jsoup.connect(searchURL).get();獲得的html結構Document shivWall = Jsoup.connect(searchURL).get(); 您會發現， #是href參數的初始值。 加載頁面后，將使用javascript動態添加網址。 Jsoup無法處理此問題。

要獲取網址，您可以使用以下代碼：

for(Element e : shivWall.select(".rg_meta.notranslate")) {
    Gson gson = new Gson();
    Map imageData = gson.fromJson(e.text(), Map.class);
    System.out.println(imageData.get("ou"));
}