个人中心
文章发布
退出
作者热门文章
- html - 出于某种原因，IE8 对我的 Sass 文件中继承的 html5 CSS 不友好？
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景？
25
4
我正在学习使用 JSoup(慢慢地)来解析网站的源代码，但我觉得自己已经到了穷途末路的地步。也就是说，我不完全确定我应该研究哪些方法。
理论上，我想开发一个应用程序来筛选特定的搜索页面(即 Google、Monster、Craigslist、eBay 等)并提取某些数据。这些数据可能位于第一页，但也可能位于列表中的 10 多页(在 Google 中，显然可能有数百页)。无论是搜索结果 (Google)、职位发布 (Monster) 还是待售商品 (Craigslist/eBay)，我该如何完成这项工作？
我直到最近才知道 JSoup。而且我并没有“坚持”使用它。但是，我的研究让我相信使用 JSoup 会给我想要的结果。所以，我正在尝试学习如何使用它来做我想做的事情。 (如果有人知道任何广泛的初学者教程，请告诉我)
那么我应该如何去做呢？我知道这是一个模糊的问题，但我有一个目标，但我不确定如何实现它。
我还考虑过使用/搜索可用的 RSS 提要(即 Craigslist)。这是否也是可能的，并且比尝试直接从站点/源代码中提取更容易或更困难？
最重要的是，如果有新信息出现(Craigslist/eBay 上出售的新元素、Monster 上的新工作等)，我希望能够向用户发送通知。我知道一个单独的主题，一个我可以确定我可以确定。
提前致谢!
最佳答案
您的回答有点模糊，所以我会尽力涵盖尽可能多的内容。Jsoup 是一个 HTML/XHTML 解析器 库。这意味着它可以向某个 url 发出 GET 或 POST 请求并获取服务器生成的内容。然后它解析此内容以使用 java 对象构建 DOM 表示形式。
问题是你的例子。您提到了 Google 和 Monster。据我所知，这些网站使用 Ajax 来从服务器检索内容。他们使用 javascript 来生成动态内容。 Jsoup 无法处理 javascript 生成的内容。这是由于它无法执行javascript。它当然可以“看到”它，因为它包含在服务器的响应中，但它将它视为简单的文本，而不是代码。浏览器可以处理此类内容，因为浏览器包含 javascript 执行引擎。
一般来说，从源的 API 获取内容更安全/更好/更容易。它是否提供rss feed或API？然后使用它。例如Google provides a way以编程方式执行搜索查询。
如果源未提供访问它的编程方式，那么当且仅当内容是静态时，您才可以使用 Jsoup 解析内容。为了确定内容是静态的还是由 javascript 生成，请访问您要解析的网站并按 Ctrl + U。当您向网站发出请求时，HTML 的网格是 Jsoup 将收到的内容。如果其中没有包含您需要的内容，则该内容是动态的。在这种情况下，您必须使用 headless browser ，这是一个库/框架，其中包括 javacript 执行引擎。这样你就可以100%模拟浏览器了。
就教程而言，this将满足您有关 Jsoup 的所有需求。如果内容是javacript生成的，那么你可以使用 headless 浏览器检索它，然后通过解析已经检索到的内容来使用Jsoup，只是为了解析而不是获取内容。
我提供的 Material 足以让您继续研究。为了获得更好的信息，您必须具体说明您面临的问题。
更新
关于java - 使用 JSoup 和 Android Studio 从网站或 rss feed 收集信息，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/33194023/
25
4
0
我在网上搜索但没有找到任何合适的文章解释如何使用 javascript 使用 WCF 服务，尤其是 WebScriptEndpoint。 任何人都可以对此给出任何指导吗？ 谢谢 最佳答案 这是一篇关于
我正在编写一个将运行 Linux 命令的 C 程序，例如: cat/etc/passwd | grep 列表 |剪切-c 1-5 我没有任何结果 *这里 parent 等待第一个 child (chi
所以我正在尝试处理文件上传，然后将该文件作为二进制文件存储到数据库中。在我存储它之后，我尝试在给定的 URL 上提供文件。我似乎找不到适合这里的方法。我需要使用数据库，因为我使用 Google 应用引
我正在尝试制作一个宏，将下面的公式添加到单元格中，然后将其拖到整个列中并在 H 列中复制相同的公式 我想在 F 和 H 列中输入公式的数据 Range("F1").formula = "=IF(ISE
问题类似于this one ，但我想使用 OperatorPrecedenceParser 解析带有函数应用程序的表达式在 FParsec . 这是我的 AST: type Expression =
我想通过使用 sequelize 和 node.js 将这个查询更改为代码取决于在哪里 select COUNT(gender) as genderCount from customers where
我正在使用GNU bash，版本5.0.3(1)-发行版(x86_64-pc-linux-gnu)，我想知道为什么简单的赋值语句会出现语法错误: #/bin/bash var1=/tmp
这里，为什么我的代码在 IE 中不起作用。我的代码适用于所有浏览器。没有问题。但是当我在 IE 上运行我的项目时，它发现错误。 而且我的 jquery 类和 insertadjacentHTMl 也不
我正在尝试更改标签的innerHTML。我无权访问该表单，因此无法编辑 HTML。标签具有的唯一标识符是“for”属性。 这是输入和标签的结构:
我有一个页面，我可以在其中返回用户帖子，可以使用一些 jquery 代码对这些帖子进行即时评论，在发布新评论后，我在帖子下插入新评论以及删除 按钮。问题是 Delete 按钮在新插入的元素上不起作用，
我有一个大约有 20 列的“管道分隔”文件。我只想使用 sha1sum 散列第一列，它是一个数字，如帐号，并按原样返回其余列。 使用 awk 或 sed 执行此操作的最佳方法是什么？ Accounti
我需要将以下内容插入到我的表中...我的用户表有五列 id、用户名、密码、名称、条目。 (我还没有提交任何东西到条目中，我稍后会使用 php 来做)但由于某种原因我不断收到这个错误:#1054 - U
所以我试图有一个输入字段，我可以在其中输入任何字符，但然后将输入的值小写，删除任何非字母数字字符，留下“。”而不是空格。 例如，如果我输入: 地球的 70% 是水，-!*#$^^ & 30% 土地 输
我正在尝试做一些我认为非常简单的事情，但出于某种原因我没有得到想要的结果？我是 javascript 的新手，但对 java 有经验，所以我相信我没有使用某种正确的规则。 这是一个获取输入值、检查选择
我想使用 angularjs 从 mysql 数据库加载数据。 这就是应用程序的工作原理；用户登录，他们的用户名存储在 cookie 中。该用户名显示在主页上 我想获取这个值并通过 angularjs
我正在使用 autoLayout，我想在 UITableViewCell 上放置一个 UIlabel，它应该始终位于单元格的右侧和右侧的中心。 这就是我想要实现的目标 所以在这里你可以看到我正在谈论的
我需要与 MySql 等效的 elasticsearch 查询。我的 sql 查询: SELECT DISTINCT t.product_id AS id FROM tbl_sup_price t
我正在实现代码以使用 JSON。 func setup() { if let flickrURL = NSURL(string: "https://api.flickr.com/
我尝试使用for循环声明变量，然后测试cols和rols是否相同。如果是，它将运行递归函数。但是，我在 javascript 中执行 do 时遇到问题。有人可以帮忙吗？ 现在，在比较 col.1 和
我举了一个我正在处理的问题的简短示例。 HTML代码: 1 2 3 CSS 代码: .BB a:hover{ color: #000; } .BB > li:after {
我是一名优秀的程序员,十分优秀！