從論壇中提取線程頭和線程回復

Question

我想從論壇中僅提取用戶的視圖和回復以及頭部的標題。 在此代碼中，當您提供url時，代碼將返回所有內容。 我只想要在標題標簽中定義的線程標題和在div內容標簽之間的用戶回復。 幫幫我如何提取。 解釋如何在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

為什么你將body-Element包裹在div和pre標簽中？

標題元素可以這樣選擇：

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-標簽：

// 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();
}

這里是關於整個Jsoup Selector API的概述，這將幫助您找到所需的任何元素。

Answer 2

好吧，我使用了另一個代碼，我收集了這個特定標簽的數據。

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（）;