我如何使用 Jaunt 库从网站上抓取数据？

Question

我想从这个网站获取标题：http://feeds.foxnews.com/foxnews/latest

像这个例子：

<title><![CDATA[SUCCESSFUL INTERCEPT Pentagon confirms it shot down ICBM-type target]]></title>

它会显示这样的文字：

“拦截成功五角大楼确认击落 ICBM-type 目标五角大楼表示，美国进行了成功的导弹拦截试验

这是我的代码。我用过 jaunt 库。

我不知道为什么只显示文字"foxnew.com"

import com.jaunt.JauntException;
import com.jaunt.UserAgent;

public class p8_1
{

    public static void main(String[] args)
    {
        try
        {
            UserAgent userAgent = new UserAgent();
            userAgent.visit("http://feeds.foxnews.com/foxnews/latest"); 
            String title = userAgent.doc.findFirst
("<title><![CDATA[SUCCESSFUL INTERCEPT Pentagon confirms it shot down ICBM-type target]]></title>").getText();
              System.out.println("\n " + title); 


        } catch (JauntException e)
        {
            System.err.println(e);
        }

    }

}

Answer 1

搜索元素类型，而不是值。

尝试以下方法获取 Feed 中每个项目的标题文本：

public static void main(String[] args) {
    try {
        UserAgent userAgent = new UserAgent();
        userAgent.visit("http://feeds.foxnews.com/foxnews/latest");

        Elements items = userAgent.doc.findEach("<item>");
        Elements titles = items.findEach("<title>");

        for (Element title : titles) {
            String titleText = title.getComment(0).getText();
            System.out.println(titleText);
        }
    } catch (JauntException e) {
        System.err.println(e);
    }
}

我如何使用 Jaunt 库从网站上抓取数据？

How can I scrape data from a website using the Jaunt library?

java

jaunt-api