java - Jsoup:无法选择 tbody id 中的所有行

Question

我有这个 html 文件，它已经从论坛中抓取并保存了。我想从爬网数据中提取所有线程标题，问题是它设法输出一些线程标题，但不是全部，而是跳过一些线程标题。

我已附上实际 HTML 的示例。注意:“threadbits_forum_2”2 是运行编号

<tbody id="threadbits_forum_2">
<tr>
    <td>Thread1</td>
</tr>
<tr>
    <td>Thread2</td>
</tr>
<tr>
    <td>Thread3</td>
</tr>
<tr>
    <td>Thread4</td>
</tr>
.
.
.
.
</tbody>

Java 编码:

        Document doc = Jsoup.parse(html);

        Elements threadsList = doc.select("tbody[id^=threadbits_forum]").select("tr");
        System.out.println(threadsList.toString());

结果:

 <tbody id="threadbits_forum_2">
<tr>
    <td>Thread2</td>
</tr>
<tr>
    <td>Thread4</td>
</tr>

有什么解决方法可以获取所有线程标题吗？

感谢您阅读我的帖子。

基思

Answer 1

您需要使用 for() 语句来扫描所有名称。

Elements threadsList = doc.select("tr");
for(thread : threadsList){
      String title;
      Elements titles = thread.select("td");
      title = titles.text();
}

如果每个属性都有属性，那会很有帮助。因此，它不仅仅是 tr 或 td，而是类似 select("tr[class=threadClass]") 的东西。我假设您只是没有在每个属性中发布属性。

尝试类似的事情。

编辑:我将尝试解释 JSoup 的工作原理，它可能会让您更好地了解如何使用它进行编码。当您创建 Elements 对象时，您可以在 select() 方法中指定您希望它扫描哪些元素。因此它将扫描所有 HTML，查找其中包含 tr 或 td 的任何元素。然后它将它们放入 Elements 数组中。然后，您必须使用 for() 语句扫描该数组，以从这些元素中获取您想要的信息。当您仅指定不带任何属性的元素时，它将检索带有 tr 或 td 元素的 HTML 的任何部分。这通常会导致错误，因为网站上通常有多个区域包含这些元素，因此它会返回比您想要的更多的内容。