按 div class 名称从新闻文章中提取段落

Question

我正在尝试从 link 中提取新闻文章。我使用以下代码提取其 class 名称。我很确定特定的 class 存在，但它无法获取内容。相同的代码适用于其他类似网站。

Document document = Jsoup.connect(newsLink).get();
Elements element = document.getElementsByClass("ins_storybody");
story = element.text();

Answer 1

我不确定为什么您的解决方案不起作用，但如果您使用 css 选择器功能，它应该会起作用：

String story = document.select("div.ins_storybody").text();

Answer 2

以下两个都对我有用

Document doc= Jsoup.connect("http://www.ndtv.com/world-news/apple-paid-ceo-tim-cook-10-3-million-in-2015-1263130").get();
Elements element = doc.getElementsByClass("ins_storybody");
String text= element.text();
System.out.println(text);


Document doc = Jsoup.connect("http://www.ndtv.com/world-news/apple-paid-ceo-tim-cook-10-3-million-in-2015-1263130").get();
String text  = doc.select("div.ins_storybody").text();
System.out.println(text);

您是否检查过以确保提供了正确的 url？尝试将 'doc' 变量打印到您的控制台，这应该包含网页的内容。

Answer 3

您也可以试试这个 CSS 选择器：

#ins_storybody

示例代码

Document document = Jsoup.connect(newsLink).get();
Element element = document.getElementById("#ins_storybody").first();
if (element==null) {
    throw new RuntimeException("Unable to locate story in: " + newsLink);
}
story = element.text();

element 也可以像下面这样检索：

Element element = document.getElementById("ins_storybody");

按 div class 名称从新闻文章中提取段落

Extracting Paragraph from a news article by div class name

html

parsing

jsoup

示例代码