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

Posted 2020-10-26

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：

?

这下就明白了为什么这么用了吧。
凯哥微信id:kaigejava

个人网站：www.kaigejava.com
凯哥网站地址：http://kaigejava.com/article/detail/121