有关 Jsoup 爬虫问题请假

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

已注册用户请登录

这是一个创建于 2174 天前的主题，其中的信息可能已经有所发展或是发生改变。

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 条回复 • 2018-05-14 15:33:06 +08:00

elgae

2018-05-14 09:37:20 +08:00 via Android

1. selector 或 xpath

yanhejihe

2018-05-14 09:50:07 +08:00

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

2018-05-14 15:32:27 +08:00 via Android

@elgae 谢谢。

goodboygru

2018-05-14 15:33:06 +08:00 via Android

感谢