與Jsoup

Question

我想從以下頁面信息中提取文本：http://fantasynews.cbssports.com/fantasyfootball/players/updates/187741

我需要單獨字符串爲其中的每一項：

1. 新聞標題
2. 新聞
3. 分析

現在我能夠從整個表中獲取信息：

doc = Jsoup.connect("http://fantasynews.cbssports.com/fantasyfootball/players/updates/" + playerId).timeout(30000).get(); 
Element title = doc.select("[id*=newsPage1]").first(); 

但是這樣做的結果是所有的文章一起運行。

誰能指教？

感謝 喬希

Answer 1

您需要使用更復雜的CSS選擇器。也許是這樣的：

public static void main(String[] args) { 
    Pattern pat = Pattern.compile("(.*)News\\:\\p{Zs}(.*)Analysis\\:\\p{Zs}(.*)", Pattern.UNICODE_CASE); 
    Document doc = null; 
    try { 
    doc = Jsoup.connect("http://fantasynews.cbssports.com/fantasyfootball/players/updates/187741").userAgent("Mozilla").get(); 
    } catch (IOException e1) { 
    e1.printStackTrace(); 
    System.exit(0); 
    }; 

    Elements titles = doc.select("table h3"); 
    for (Element title : titles){ 
    Element td = title.parent(); 
    String innerTxt = td.text(); 
    Matcher mat = pat.matcher(innerTxt); 
    if (mat.find()){ 
     System.out.println("titel = " + mat.group(1)); 
     System.out.println("news = " + mat.group(2)); 
     System.out.println("analysis = " + mat.group(3)); 
    } 
    } 
} 

我建議你看看CSS選擇器和JSoup documentation。