用Jsoup刮

Question

我需要從這個頁面收集數據http://bulbapedia.bulbagarden.net/wiki/List_of_Pok%C3%A9mon_by_National_Pok%C3%A9dex_number但問題是，我需要的是每個口袋妖怪的鏈接，所以對於第一個「/ wiki/Bulbasaur_（Pok％C3％A9mon）」（全部我需要做的是在前面添加「bulbapedia.bulbagarden.net」，但我不知道如何獲得所有這些，我已經看到了一些例子，但是我沒有看到任何可以幫助我的東西。我已經看到用於循環通過獲得一個div內的數據，但這些鏈接似乎並不是除了主要大的其他任何div的一部分。

那麼，有沒有人知道我可以刮這個頁面？

Answer 1

下面是一個解決方案：

Document doc = Jsoup.connect("http://bulbapedia.bulbagarden.net/wiki/List_of_Pok%C3%A9mon_by_National_Pok%C3%A9dex_number").get(); 


for(Element element : doc.select("td > span.plainlinks > a")) 
{ 
    /* 
    * You can do further things here - for this example we 
    * only print the absolut url of each link. 
    */ 
    System.out.println(element.absUrl("href")); 
} 

這已經給你的每個環節口袋妖怪的絕對網址：

http://bulbapedia.bulbagarden.net/wiki/Bulbasaur_(Pok%C3%A9mon) 
http://bulbapedia.bulbagarden.net/wiki/Ivysaur_(Pok%C3%A9mon) 
http://bulbapedia.bulbagarden.net/wiki/Venusaur_(Pok%C3%A9mon) 
http://bulbapedia.bulbagarden.net/wiki/Charmander_(Pok%C3%A9mon) 
... 

但是，如果你需要的相對 URL你僅僅使用element.attr("href")更換element.absUrl("href")。

結果：

/wiki/Bulbasaur_(Pok%C3%A9mon) 
/wiki/Ivysaur_(Pok%C3%A9mon) 
/wiki/Venusaur_(Pok%C3%A9mon) 
/wiki/Charmander_(Pok%C3%A9mon) 
... 

有關此看到的解釋：Jsoup Selector API。一些很好的例子可以在這裏找到：Jsoup Codebook。