使用 Jsoup 获取维基百科文章的第一段
塔尔巴达
我正在尝试使用以下代码获取维基百科文章的第一段：
public String getText(){
try{
Document doc = Jsoup.connect("https://en.wikipedia.org/wiki/Israel").get();
Elements paragraphs = doc.select("p");
Element firstParagraph = paragraphs.first();
return firstParagraph.text();
}
catch (IOException e){return "Failed";}
}
这是我在StackOverflow上的线程中找到的所有方法中最简单的方法。
我没有得到第一段，我得到的只是这部分： 
但我想得到这部分： 
我该如何正确使用它？
我正在寻找一个通用的解决方案......谢谢。
马坦伊扎克
这实际上取决于页面的内容。
例如，您提供了一篇 Wikipedia 文章，发现第一段（即 - with <p> tag）是该国家/地区的坐标，而不是有关该国家/地区的实际第一段。
这是由于用于描述国家/地区的维基百科模板。
那里有很多模板——适用于国家、公司、个人等。
每个主题都是一个具有不同大纲的特定模板，因此很难为您提供帮助并为您提供有助于您未来情景的一般答案。
具体参考您的问题，您可以排除坐标并获得页面上真正的第一段。
你的代码应该是：
public String getText(){
try{
Document doc = Jsoup.connect("https://en.wikipedia.org/wiki/Israel").get();
Elements paragraphs = doc.select("p:not(:has(#coordinates))");
Element firstParagraph = paragraphs.first();
return firstParagraph.text();
}
catch (IOException e) {
return "Failed";
}
}
通过查看源代码，您可以注意到坐标出现在 a 中<p> tag（这就是您得到这个结果的原因），并且在该标签内，还有另一个<span> tagid 名称为“坐标”的。由于您想从结果中删除坐标，因此您只能使用它jsoup pseudo selectors来获取所需的内容。
由于很难用一般的方式回答这类问题，因此，从上面列出的原因出发，我想补充一些技巧以进一步使用：
- 建议仔细查看您正在处理的页面的源代码并检查所有标签。这样，您就可以找到一些可能的问题（例如这个问题中出现的问题），并在编写提取页面所需部分的代码时考虑这些因素。
- 执行
CSS Queryin后检查元素列表jsoup。您可以通过代码或通过检查try-jsoup 站点上的查询来完成。您可以输入查询并查看元素列表。这样你可能会意识到结果不是你所期望的。有时它不会像在这种情况下那么容易，您可能会使用元素列表来更改您的代码（例如，在您的代码中使用Element firstParagraph = paragraphs.get(1);而不是使用Element firstParagraph = paragraphs.first();）。然后，您可以测试您的新改进CSS Query，看看它是否适合您。 - 熟悉必须提供的不同选择器会很有帮助
jsoup。
这将使您的工作更轻松。
希望能有所帮助！
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
编辑于
相关文章
Related 相关文章
- 1
使用Jsoup获取图像网址
- 2
使用jsoup在标签后获取某些文本
- 3
使用JSoup从网站获取文本
- 4
使用jsoup获取img src
- 5
获取维基百科文章摘要
- 6
使用API搜索维基百科
- 7
使用jsoup获取验证码图像
- 8
使用JSoup获取表的数据代码值
- 9
从中文维基百科中检索第一段
- 10
Facebook使用什么API来显示完整的维基百科文章？
- 11
JSoup使用循环获取多个值
- 12
如何使用Jsoup提取新闻文章？
- 13
使用Ajax获取随机维基百科摘录
- 14
如何使用jsoup获取特定的div
- 15
使用Jsoup从网页获取不带标签的文本
- 16
使用jsoup从html获取属性
- 17
维基百科用jsoup抓取纯文本和超链接
- 18
使用jsoup从网站获取所需信息
- 19
使用JSOUP获取父div的内部内容
- 20
使用jsoup获取表的内容
- 21
使用JSoup获取一些属性
- 22
如何获取维基百科文章的默认图片？
- 23
无法使用维基百科的响应JSON
- 24
如何使用维基百科 API 获取出生地点
- 25
如何使用mediawiki api获取维基百科文章中的所有网址（不仅仅是标题）？
- 26
如何使用 mwapi 库获取维基百科页面？
- 27
使用python从维基百科中抓取表格：无法获得一列
- 28
JSoup：获取维基百科页面摘要
- 29
如何使用BeautifulSoup仅获取维基百科页面上所有表格的第一行数据？
我来说两句