WebCollector学习笔记（二）jsoup的小记

一、jsoup

抽取信息的时候用到了jsoup。下面简单记录下jsoup的使用心得

http://www.open-open.com/jsoup/selector-syntax.htm

1.1 jsoup选择器

标签指定id

 <div class="list_left">  
<div id="content">
正文部分正文部分正文部分正文部分
</div>  
</div>  

 方法为：

 

Elements eContent = doucument.select("div.list_left").select("div#content")；		
String content = eContent.text();

抽取的class属性有空格存在

 

例如想抽取:

<div class="list_left">
       <div class="clist sborder" >
新闻列表新闻列表新闻列表新闻列表新闻列表新闻列表
</div>
</div>

则可以通过将空格处拆分成两个select的方式进行，这里参考了这篇博文： http://blog.csdn.net/qew110123/article/details/52795204

具体的实现代码就变成了：

Elements pageHaveClass = page.select("div.list_left").select(".clist").select(".sborder");