有关 Jsoup 爬虫问题请假

This topic created in 2950 days ago, the information mentioned may be changed or developed.

安卓新手，最近在尝试爬虫做一个 V2EX 客户端
现在爬主题正文部分遇到一些困难
1.在 markdown_body 这个类下面有 p,ol,h 等多种标签，应该如何按顺序爬下呢？
2.之前用的 Gilde 爬取头像，主题内部正文的图片应该怎么爬取并加载到适当为止呢？
谢谢大佬们

4 replies • 2018-05-14 15:33:06 +08:00

elgae

May 14, 2018 via Android

1. selector 或 xpath

yanhejihe

May 14, 2018

这和爬虫有什么关系？
1 我的处理方式是用一些正则来配合。jsoup 那块，需要利用好 class 来 filter，还有就是用好 text （）和 owntext （）。

goodboygru

May 14, 2018 via Android

@elgae 谢谢。

goodboygru

May 14, 2018 via Android

感谢