使用 Jsoup 抓取网页时转到下一页

Question

我正在尝试使用 Jsoup 抓取这个 https://www.actksa.com/ar/training-courses/training-in/Jeddah，我编写的代码只包含第一页上的主题。

try {
                String url = "https://www.actksa.com/ar/training-courses/training-in/Jeddah";

                Document doc = Jsoup.connect(url).get();

                Elements data = doc.select("tr");
                int size = data.size();
                Log.d("doc", "doc: "+doc);
                Log.d("data", "data: "+data);
                Log.d("size", ""+size);
                for (int i = 0; i < size; i++) {

                    String title = data.select("td.wp-60")
                            .eq(i)
                            .text();

                    String detailUrl = data.select("td.wp-60")
                            .select("a")
                            .eq(i)
                            .attr("href");
                    parseItems.add(new ParseItem(title, detailUrl));
                    Log.d("items"," . title: " + title);

如何继续从下一页中抓取主题？我注意到我可以使用分页，但我不确定如何使用。其次，link 在转到下一页时略有变化，因此我可能会使用它。转到下一页并继续抓取标题的代码是什么？

Answer 1

该站点的分页似乎由 ?page=<int> 查询参数控制。只需将您现有的代码包装在一个 for 循环中即可控制当前页面。

int numPages = 5; // the number of pages to scrape
for (int i = 0; i < numPages; i++) {
    String url = "https://www.actksa.com/ar/training-courses/training-in/Jeddah?page=" + i;

    Document doc = Jsoup.connect(url).get();

    Elements data = doc.select("tr");
    int size = data.size();
    Log.d("doc", "doc: "+doc);
    Log.d("data", "data: "+data);
    Log.d("size", ""+size);
    for (int j = 0; j < size; j++) {
         String title = data.select("td.wp-60")
                .eq(j)
                .text();
         String detailUrl = data.select("td.wp-60")
                .select("a")
                .eq(j)
                .attr("href");
        parseItems.add(new ParseItem(title, detailUrl));
        Log.d("items"," . title: " + title);
    }
}

如果您想在不对数字进行硬编码的情况下获取所有页面，请将递增放在一个 while 循环中，该循环会在页面上的 table 没有内容时中断。例如 https://www.actksa.com/ar/training-courses/training-in/jeddah?page=6 不是一个有效的页面，只显示一个空 table.

的页面

使用 Jsoup 抓取网页时转到下一页

Going to next page when web scraping with Jsoup

java

android-studio

web-scraping

jsoup

html-parsing