java - 使用 jsoup 从 url 中提取适当的内容

Question

我正在研究如何使用 Jsoup 提取 CNN 或纽约时报等新闻文章的内容。

事实上我已经尝试过以下代码:

Document document = Jsoup.connect("http://edition.cnn.com/2013/11/10/world/asia/philippines-typhoon-haiyan/index.html").get();

Element contents = document.select("#content").first();

System.out.println(contents.html()); 

System.out.println(contents.text()); 

我收到此错误:

Exception in thread "main" java.lang.NullPointerException
at com.clearforest.Test.main(Test.java:36)

请您知道如何从文章中提取正确的文本。

Answer 1

在 select 调用后，您的 contents 元素 为 null - 您指定的选择器在从 CNN 下载的文档中没有返回任何匹配项 - 尝试类似 document.select 的内容("div.cnn_strycntntlft") 返回故事 div 内容。