我有一个本地语言报纸的 html 文件,我想收集报纸中仅使用本地语言的所有单词
我在 html 文件中观察到,本地语言中的所有单词都位于类 field-content 的 div 元素下,因此我选择了它的元素来获取数据,但 div 元素还包含诸如本地语言之类的元素语言单词存在
<div class = "field-content"></div>
那么如何从html文件中只获取本地语言的单词
网站网址:http://www.andhrabhoomi.net/
我的代码:
public static void main(String a[])
{
Document doc;
try {
doc = Jsoup.connect("http://www.andhrabhoomi.net/").userAgent("Mozilla").get();
String title = doc.title();
System.out.println("title : " + title);
// get all links
//Elements links = doc.select("a[href]");
Elements body = doc.select("div.field-content");
for (Element link : body) {
System.out.println(link);
// get the value from href attribute
//System.out.println("\nlink : " + link.attr("href"));
//System.out.println("text : " + link.text());
}
}catch(IOException e){
System.out.println("error\n");
}
}
最佳答案
不确定您在这里想要什么,但如果我的猜测是正确的,这应该会有所帮助。如果没有,请直接说出来,我们就从那里开始。
您需要通过获取任何具有 field-content
的类来更改您的选择,然后要删除所有其他 HTML 内容,您需要添加 text ()
到 System.out.println( link.text() );
的末尾,请参阅下文。
Elements body = doc.getElementsByClass( "field-content" );
for( Element link : body )
{
System.out.println( link.text() );
}
关于java - 如何使用Jsoup从html文件中获取特定数据?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/36017445/