Jsoup的简单应用

昨天在网上百度看到一个提问：http://zhidao.baidu.com/question/423488719.html?fr=uc_push&push=ql&oldq=1(题目内容是用jsoup抓取这个网站的信息并输出Free一栏中排名上升度大于30的游戏名)

因为刚看了Jsoup，所以就拿过来做了一下，源代码如下（仅供参考，如果有什么不对的地方，欢迎指正）

 

 

import java.io.IOException;
import java.util.ArrayList;
import java.util.List;

import org.jsoup.Connection;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class PageParse {

	public static void main(String[] args) {
		String concreateURL = "http://www.appannie.com/top/iphone/united-states/games/";
		Connection c = Jsoup.connect(concreateURL);
		try {
			// 这里如果直接用c.get()是获取不到Document的，具体原因我说不上来
			// 跟踪信息是：java.io.IOException: 503 error loading URL
			// http://www.appannie.com/top/iphone/united-states/games/
			// 下面这种获取方式可以
			Document doc = c.data("query", "Java").userAgent("Chrome")
					.cookie("auth", "token").timeout(5000).post();
			// 很想只获取css为上升的域，但是完整的css加上去没有效果，就把这一列域全部获得了（需要改进，肯定有更好的方法）
			Elements eles = doc.select("td.top_free*");
			List<String> nameList = new ArrayList<String>();
			for (Element ele : eles) {
				String text = ele.select("span").first().text();
				if (text.length() > 1 && text.startsWith("▲")) {

					if (Integer.parseInt(text.substring(1)) > 30) {
						// 在这里.html()和.text()方法获得的内容是一样的
						System.out.println(ele.select("a").first().html());
						nameList.add(ele.select("a").first().text());
					}
				}
			}

		} catch (IOException e) {
			e.printStackTrace();
		}
	}
}

 

我运行时的结果是：

The Tribez

PipeRoll

Road Warrior Multiplayer Racing - by Top Free Apps and Games

The Oregon Trail: American Settler

Jewels of the Amazon

Zombie Band

Cleopatra's Pyramid

Monster Galaxy: The Zodiac Islands

 

代码中的nameList存放的是热度大于30的游戏名，在代码中我没有处理这个List，如果有人看到并会改正的话，欢迎指出，最好是给出一个解释，因为写这个也是糊里糊涂的。

 

参考资料：

• 开源中国站长写的一篇文章：使用Jsoup对HTML文档进行解析和操作
• jsoup的官方网站： http://jsoup.org/（里面的cookbook是了解jsoup的权威的基础资料）