从维基百科信息框获取具体信息

Question

我正在尝试在右侧的信息框中获取最新版本的详细信息。我正在尝试通过使用 jsoup 抓取 this page 从框中检索“6.2 (Build 9200) / August 1, 2012; 7 years ago”。

我有从盒子中提取所有数据的代码，但我不知道如何提取盒子的特定部分。

org.jsoup.Connection.Response res = Jsoup.connect("https://en.wikipedia.org/wiki/Windows_Server_2012").execute();
String html = res.body();
Document doc2 = Jsoup.parseBodyFragment(html);
Element body = doc2.body();
Elements tables = body.getElementsByTag("table");
for (Element table : tables) {
    if (table.className().contains("infobox")==true) {
        System.out.println(table.outerHtml());
        break;
    }
}

Answer 1

您可以查询包含 link 且 以 Software_release_life_cycle 结束 的 table 行：

String url = "https://en.wikipedia.org/wiki/Windows_Server_2012";
try {
    Document document = Jsoup.connect(url).get();
    Elements elements = document.select("tr:has([href$=Software_release_life_cycle])");
    for (Element element: elements){
        System.out.println(element.text());
    }
}
catch (IOException e) {
    //exception handling
}

这就是为什么通过查看完整的 html，我发现您需要的行（而只有您需要的行-这是一个至关重要的细节！-) 是这样形成的。事实上 elements 实际上只包含一个 Element。

最后您只提取了文本。此代码将打印：

Latest release 6.2 (Build 9200) / August 1, 2012; 7 years ago (2012-08-01)[2]

如果您需要更多的改进，您可以随时substring。

希望我有所帮助！

( selector syntax reference )

从维基百科信息框获取具体信息

Get specific information from Wikipedia Information Box

java

html

web-scraping

jsoup