从论坛帖子中解析评论级别

Question

是否可以像下面这样从这个网站找出评论级别？ https://www.ozbargain.com.au/node/249439#comment-3719026

通过 jsoup，我能够解析 cmets、用户名等，但无法获得正确的评论级别。

查看该页面的来源，与正确的实时帖子不匹配，除非我读错了。

有没有办法解决这个问题？

我能够使用以下方法生成源评论级别：

        String url = "https://www.ozbargain.com.au/node/249439";
        Document doc = Jsoup.connect(url).get();
        Elements level = doc.select("ul.comment");


         for(Element column : e.select("ul")){
                //comment level
                System.out.println(column.attr("class"));
                levels.add(column.attr("class"));
            }

但它看起来不正确。仅显示 0 级评论中的 1 条等。

谢谢

Answer 1

for(Element column : e.select("ul")) {
    //comment level
    System.out.println(column.attr("class"));
    levels.add(column.attr("class"));
}

从上面的代码中，e 是从哪里来的？

无论如何，你需要解析类属性值才能找到评论级别。

这是一个工作示例代码：

示例代码

public static void main(String[] args) throws IOException {
    String url="https://www.ozbargain.com.au/node/249439#comment-3719026";
    Document doc = Jsoup.connect(url).get();
    Elements comments = doc.select("div.comment-wrap");

    Matcher levelMatcher = Pattern.compile("(?i)^(.*level)(\\d+)(.*)$").matcher("");
    List<String> levels = new ArrayList<>();

    System.out.println("Comments found: "+ comments.size());

    for (Element comment : comments) {            
        if (levelMatcher.reset(comment.parent().parent().className()).find()) {
            levels.add(levelMatcher.replaceAll("$2"));
        }
    }

    System.out.println(levels);
}

输出 [https://www.ozbargain.com.au/node/249439#comment-3719026] （可能会根据请求时间而变化）

Comments found: 38
[0, 1, 2, 3, 0, 1, 0, 1, 0, 1, 1, 0, 1, 0, 1, 0, 1, 2, 3, 3, 1, 2, 3, 3, 0, 1, 2, 3, 2, 3, 3, 2, 0, 0, 0, 1, 2, 3]

输出 [https://www.ozbargain.com.au/node/249604] （可能会根据请求时间而变化）

Comments found: 14
[0, 1, 0, 1, 0, 1, 1, 2, 1, 0, 0, 1, 2, 0]