java爬虫问题二: 使用jsoup爬取数据class选择器中空格多选择怎么解决
- 工作小总结
- 时间：2018-03-02 13:59
- 2838人已阅读
简介
问题描述：在使用jsoup爬取其他网站数据的时候，发现class是带空格的多选择，如果直接使用doc.getElementsByClass(“class的值”),这种方法获取不到想要的数据。爬取网站页面结构如下：请点击输入图片描述请点击此处输入图片描述其中文章列表的div为：
🔔🔔好消息!好消息!🔔🔔
如果您需要注册ChatGPT，想要升级ChatGPT4。凯哥可以代注册ChatGPT账号，代升级ChatGPT4
有需要的朋友👉:微信号
问题描述：
在使用jsoup爬取其他网站数据的时候，发现class是带空格的多选择，如果直接使用doc.getElementsByClass(“class的值”),这种方法获取不到想要的数据。
爬取网站页面结构如下：
其中文章列表的div为：<div class="am-cf inner_li inner_li_abtest"></div>
我们可以看到其class的值为：am-cf inner_li inner_li_abtest。带空格的。多值的。
如果我们还是用getElementsByClass()这个方法获取的话，是获取不到的。eclipse中断点如下：
可以看到获取的值的长度size=0。没有获取到数据。
经过各方搜索，发现解决方案：使用的不是getElementsByClass()方法，可以使用其他方法。
先上成功后截图：
我们可以看到数据的长度size=20了。说明获取到数据了。
下面讲解select方法使用：
Elements org.jsoup.nodes.Element.select(String cssQuery)
样式选择器。
查看源码：
我们知道这个可以多个。
在看看我们案例中使用的是：div.am-cf.inner_li.inner_li_abtest。为什么要这么写呢？
查看需要爬取文章的页面结构：
上一篇： Notepad++ 代码格式化