jsoup论坛爬取答案

【问题标题】：Jsoup forum Scrapingjsoup论坛爬取
【发布时间】：2012-07-18 08:58:34
【问题描述】：

我正在使用 Jsoup 抓取一个在线论坛。想知道我应该如何在没有其他评论者引用的情况下抓取主要帖子。

我设法刮了： carey 写道：是的，CC 通常有折扣，尤其是汽油和 makan... 在加油站使用黑色 DBS 借记卡可以得到折扣？我总是付现金，因为没有抄送。

我想要什么：黑色DBS借记卡在加油站使用可以打折吗？我总是付现金，因为没有抄送。

这里是html：

<div id="post_message_63989045">
  <div class="quote"> 
    <span class="byline"> <a href="/eat-drink-man-woman-16/life-without-credit-cards-3601620-post63982949.html#post63982949" rel="nofollow"><img class="inlineimg" src="http://www.hardwarezone.com.sg/img/forums/hwz/buttons/viewpost.gif" border="0" alt="View Post" /></a> <strong>carey</strong> wrote: </span> 
     <blockquote cite="showthread.php?p=63982949#post63982949">
        Yup, CC usually got discounts, especially for petrol and makan...
        <br /> 
        <br /> So those without a CC are being penalized 
        <img src="http://www.hardwarezone.com.sg/img/forums/hwz/smilies/eek.gif" border="0" alt="" title="EEK!" class="inlineimg" /> 
     </blockquote> 
  </div>The black DBS debit card when used at petrol kiosk can get discount ?
  <br /> 
  <br /> I always pay cash because no cc . 
  <img src="http://www.hardwarezone.com.sg/img/forums/hwz/smilies/frown.gif" border="0" alt="" title="Frown" class="inlineimg" />
</div>

【问题讨论】：

如果你知道 id，试试这个Element post_message= doc.getElementById("post_message_63989045").text();
是的。这将产生所有文本......我需要一种方法来排除“class= quote”中的文本

标签： html web-scraping jsoup

【解决方案1】：

你可以简单地过滤掉具有“引用”类的<div>s，如果你用于抓取的任何东西都会解析 HTML 标记

【讨论】：

我用这个方法吗：public Elements removeClass(String className)
我可以使用哪种方法来过滤这个具有“quote”类的
我以前从未使用过 Jsoup，所以我不太确定