通过JSoup刮取html构建字符串

Question

我是一个Java程序员新手，现在才开始扩展到库、API等领域。我现在有了一个比较简单的想法，当我不做作业的时候，可以成为我的宠物项目。

我感兴趣的是从几个不同的站点刮取html，并构建看起来像“艺术家-”曲目名称“”的字符串。我有一个网站工作的方式，我想，但我觉得它可以做得更顺利...以下是我为A站点所做的工作的简要介绍：

我让JSoup为plrow类的所有内容创建元素，如下所示：

<p class="plrow"><b><a href="playlist.php?station=foo">Artist</a></b> “Title” (<span class="sn_ld"><a href="playlist.php?station=foo">Label</a></span>) <SMALL><b>N </b></SMALL></p></td></tr><tr class="ev"><td><a name="98069"></a><p class="pltime">Time</p>

从那里，我创建一个字符串数组，在最后一个

之后拆分行，然后使用以下代码处理该数组：

for (int i = 0; i < tracks.length; i++){
            tracks[i] = Jsoup.parse(tracks[i]).text();
            tracks[i] = tracks[i].split("”")[0];
            tracks[i] = tracks[i].toString()+ "”";          
        }

这是一个非常奇怪的方法来获得艺术家“标题”我想要的方式，但结果对我来说很好。

站点B有点不同。

我确定艺术家和标题都包含如下内容:艺术家名称标题

连同更多信息，所有内容都在

歌曲信息

中

我试图先搜索所有艺术家，然后搜索标题，然后合并两者，但我遇到了麻烦，因为用于显示曲目标题的“dc：title”属性用于其他非音乐的东西，所以我不能直接将艺术家与曲目匹配起来。

这个周末，我花了很大一部分时间来查看无数带有Jsoup标签的问题，并花了很多时间阅读Jsoup食谱和API指南。我有一种感觉，我的部分问题也可能来自于我对web页面如何编码的知识相对有限，尽管这可能主要是我对如何将这些代码插入JSOUP的理解方面的问题。

我很感谢任何帮助或指导，我不得不说，在这里问一个非家庭作业问题真的很好（尽管我从别人问的问题中找到了不少提示！；））

Answer 1

如果您有一些不同的网站想要解析内容，最好在它们之间有所区别。也许您可以根据URL来决定是解析A页还是解析B页。

示例：

if( urlToPage.contains("pagea.com") )
{
    // Call parsemethod for Page A or create parserclass
}
else if( urlToPage.contains("pageb.com") )
{
    // Call parsemethod for Page B or create parserclass
}
// ... 
else
{
    // Eg. throw Exception because there's no parser available
}

您可以使用单行代码将每个页面连接并解析为文档：

// Note: the protocol (http) is required here
Document doc = Jsoup.connect("http://pagewhaterver.com").get(); 

在不了解Html或每个页面的结构的情况下，以下是一些基本方法：

for( Element element : doc.select("p.plrow") )
{
    String title = element.ownText();                           // Title - output: '“Title” ()' (you have to replace the " and () here)
    String artist = element.select("a").first().text();         // Artist
    String label = element.select("span.sn_ld").first().text(); // Label

    // etc.
}

与B页类似，可以这样选择Artitst和Title：

String artist = doc.select("span.artist").first().text();
String title = doc.select("span.title").first().text();

下面是对Jsoup选择器API的一个很好的概述：http://Jsoup.org/cookbook/extracture-data/selector-syntax