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

问题描述：

在使用jsoup爬取其余网站数据的时候，发现class是带空格的多选择，若是直接使用doc.getElementsByClass(“class的值”),这种方法获取不到想要的数据。

爬取网站页面结构以下：

 

其中文章列表的div为：<div class="am-cf inner_li inner_li_abtest"></div>

咱们能够看到其class的值为：am-cf inner_li inner_li_abtest。带空格的。多值的。

若是咱们仍是用getElementsByClass()这个方法获取的话，是获取不到的。eclipse中断点以下：

 

能够看到获取的值的长度size=0。没有获取到数据。

通过各方搜索，发现解决方案：使用的不是getElementsByClass()方法，能够使用其余方法。

先上成功后截图：

 

咱们能够看到数据的长度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：

 

咱们知道这个能够多个。

在看看咱们案例中使用的是：div.am-cf.inner_li.inner_li_abtest。为何要这么写呢？

查看须要爬取文章的页面结构：

 

​

这下就明白了为何这么用了吧。

凯哥微信id:kaigejava

我的网站：www.kaigejava.com

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