jsoup解析html/根据关键词拿到论坛帖子信息

以论坛《宽带山》为例，需要根据给定的关键词，取得关于该关键词的所有帖子，包括人气数，发帖主题，回复数，发表人，发表时间，帖子链接，帖子详细文本内容等。

详细代码如下：

importjava.util.ArrayList;
importjava.util.HashMap;
importjava.util.List;
importjava.util.Map;

importorg.jsoup.Jsoup;
importorg.jsoup.nodes.Document;
importorg.jsoup.nodes.Element;
importorg.jsoup.select.Elements;

publicclassKeyWordsSearchUtil{

/**
*根据关键词查询论坛所需信息map
*@paramKeyWord传入关键词
*@return
*/
publicstaticList<Map<String,Object>>findByKeyWord(StringKeyWord){

List<Map<String,Object>>postsList=newArrayList<Map<String,Object>>();
Map<String,Object>postsOneMap=null;
try{
Documentdoc=Jsoup.connect("http://club.pchome.net/forum_1_15____md__1_"+java.net.URLEncoder.encode(KeyWord,"utf-8")+".html")
.data("query","Java")
.userAgent("Mozilla")
.cookie("auth","token")
.timeout(10000)
.ignoreHttpErrors(true)
.post();

ElementspostsLs=doc.select("li.i2").not(".h-bg");
if(postsLs!=null&&postsLs.size()>0){
for(ElementchildPost:postsLs){
postsOneMap=newHashMap<String,Object>();
postsOneMap.put("postsPopularity",childPost.select("li>span.n2").first().text());
postsOneMap.put("postsTitle",childPost.select("span.n3>a").attr("title"));
postsOneMap.put("postsFloor",childPost.select("span.n4").first().text());
postsOneMap.put("postsCname",childPost.select("a.bind_hover_card").first().text());
postsOneMap.put("postsCtime",childPost.select("li>span.n6").first().text());
postsOneMap.put("postsUrl","http://club.pchome.net"+childPost.select("span.n3a").attr("href"));
postsOneMap.put("postsContents",getContentsByUrl("http://club.pchome.net"+childPost.select("span.n3a").attr("href")));

postsList.add(postsOneMap);
}
}
}catch(Exceptione){
e.printStackTrace();
}

returnpostsList;
}

/**
*根据帖子的url获取帖子的文本内容
*@paramurl帖子的路径
*@return
*/
publicstaticStringgetContentsByUrl(Stringurl){
Stringcontents="11";
try{
Documentdoc=Jsoup.connect(url)
.data("query","Java")
.userAgent("Mozilla")
.cookie("auth","token")
.timeout(10000)
.ignoreHttpErrors(true)
.post();

if(doc.select("div.mc").first()!=null){
ElementcontentsEle=doc.select("div.mcdiv").first();
contents=contentsEle.select("div").first().text();
if(contents.contains("[向左转][向右转][原图]")){
contents=contents.replace("[向左转][向右转][原图]","");
}
}
}catch(Exceptione){
e.printStackTrace();
}
returncontents;
}

publicstaticvoidmain(String[]args)throwsException{
List<Map<String,Object>>postsList=KeyWordsSearchUtil.findByKeyWord("电影");
System.out.println("http://club.pchome.net/forum_1_15____md__1_"+java.net.URLEncoder.encode("电影","utf-8")+".html");
System.out.println(postsList.size()+"/////");
for(inti=0;i<postsList.size();i++){
for(Map.Entry<String,Object>entry:postsList.get(i).entrySet()){
System.out.println("key="+entry.getKey()+"|value="+entry.getValue());
}
System.out.println("-----------------");
}
//http://club.pchome.net/thread_1_15_7519679.html
//Stringstr=getContentsByUrl("http://club.pchome.net/thread_1_15_7519679.html");
//System.out.println(str);
}
}

以上代码能成功抓取宽带山论坛中，关键词为：电影 的相关帖子列表，main方法中已有测试，网络畅通下可测试通过。但上面代码仅为完成功能，性能较差，项目中需重写或优化