用Jsoup刮

Question

我需要從此頁面收集數據http://bulbapedia.bulbagarden.net/wiki/List_of_Pok%C3%A9mon_by_National_Pok%C3%A9dex_number，但問題是我需要的是每個口袋妖怪的鏈接，因此對於第一個口袋妖怪， / wiki / Bulbasaur_（Pok％C3％A9mon）”（之后我要做的就是在前面添加“ bulbapedia.bulbagarden.net”，但我不知道如何獲取所有這些。我已經看到了一些示例但是我沒有看到任何對我有幫助的東西，我看到的那些通過將數據放入div內而用於循環，但是這些鏈接似乎不是主要的大div之外的任何div的一部分。

那么有人知道我該如何抓取此頁面？

Answer 1

這是一個解決方案：

Document doc = Jsoup.connect("http://bulbapedia.bulbagarden.net/wiki/List_of_Pok%C3%A9mon_by_National_Pok%C3%A9dex_number").get();


for( Element element : doc.select("td > span.plainlinks > a") )
{
    /* 
     * You can do further things here - for this example we 
     * only print the absolut url of each link.
     */
    System.out.println(element.absUrl("href"));
}

這已經為您提供了每個神奇寶貝鏈接的絕對 URL：

http://bulbapedia.bulbagarden.net/wiki/Bulbasaur_(Pok%C3%A9mon)
http://bulbapedia.bulbagarden.net/wiki/Ivysaur_(Pok%C3%A9mon)
http://bulbapedia.bulbagarden.net/wiki/Venusaur_(Pok%C3%A9mon)
http://bulbapedia.bulbagarden.net/wiki/Charmander_(Pok%C3%A9mon)
...

但是，如果您需要相對 URL，則只需用element.absUrl("href")替換element.attr("href") 。

結果：

/wiki/Bulbasaur_(Pok%C3%A9mon)
/wiki/Ivysaur_(Pok%C3%A9mon)
/wiki/Venusaur_(Pok%C3%A9mon)
/wiki/Charmander_(Pok%C3%A9mon)
...

有關此內容的說明，請參見： Jsoup Selector API 。 在這里可以找到一些很好的例子： Jsoup Codebook 。