Android使用Jsoup解析嵌套表

编程问答 2022-06-07

问题描述

我正在尝试在线解析HTML页面，以使用Jsoup从表中检索数据。我要解析的页面包含多个表。

我该怎么做？

这是我要解析的示例页面：

https://www.cpu-world.com/info/AMD/AMD_A4-Series.html

我要提取的数据是型号名称和详细信息页面的URL。

编辑：

这是我用来从详细信息页面提取数据的一些代码。

            try {
                /**
                 * Works to iterate through the items at the following website
                 * https://www.cpu-world.com/cpus/K10/AMD-A4-Series%20A4-3300.html
                 */
                URL url = new URL("https://www.cpu-world.com/cpus/K10/AMD-A4-Series%20A4-3300.html");
                
                Document doc = Jsoup.parse(url,3000);
                
                // spec_table is the name of the class associated with the table
                Elements table = doc.select("table.spec_table");
                Elements rows = table.select("tr");
                
                Iterator<Element> rowIterator = rows.iterator();
                rowIterator.next();
                boolean wasMatch = false;
                
                // Loop through all items in list
                while (rowIterator.hasNext()) {
                    Element row = rowIterator.next();
                    Elements cols = row.select("td");
                    String rowName = cols.get(0).text();
                }
            } catch (MalformedURLException e) {
                e.printstacktrace();
            } catch (IOException e) {
                e.printstacktrace();
            }

我一直在阅读一些教程和文档，但似乎无法弄清楚如何浏览网页以提取所需的数据。我了解HTML和CSS，但只是在学习Jsoup。

（我将其标记为Android，因为这是我使用Java代码的地方。猜想没有必要具体说明。）

解决方法

这看起来像您所追求的：

std::sized_sentinel_for<sentinel_t<T>,iterator_t<T>>

让我知道这是否不是你的追求

编辑：结果：

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;

import java.io.IOException;
import java.net.URL;

public class CpuWorld {

    public static void main(String[] args) throws IOException {
        URL url = null;
        try {
            /**
             * Works to iterate through the items at the following website
             * https://www.cpu-world.com/CPUs/K10/AMD-A4-Series%20A4-3300.html
             */
             url = new URL("https://www.cpu-world.com/CPUs/K10/AMD-A4-Series%20A4-3300.html");
        } catch (IOException e) {
            e.printStackTrace();
        }

        Document doc = Jsoup.parse(url,3000);
        // spec_table is the name of the class associated with the table
        String modelNumber = doc.select("table tr:has(td:contains(Model number)) td b a").text();
        String modelUrl = doc.select("table tr:has(td:contains(Model number)) td b a").attr("href");

        System.out.println(modelNumber + " : " + modelUrl);
    }
}

编辑：

这比一盒青蛙还要疯狂，但是我们开始...我将让您将2和2放在一起，以遍历URL以获取您想要的单个详细信息：

A4-3300 : https://www.cpu-world.com/CPUs/K10/AMD-A4-Series%20A4-3300.html

Process finished with exit code 0
javajavajsoupweb-scraping