时间戳

首页 > 解决方案 > 使用 JSoup 从网站源代码中提取 JavaScript 行

java - 使用 JSoup 从网站源代码中提取 JavaScript 行

问题描述

我有来自网站的这个 JavaScript 源代码。

<script>"@context": "http://schema.org/","@type": "Product","name": "Shower head","image": "https://example.com/jpeg.png","description": "Hello stackoverflow","url": "link.com","offers": {"@type": "Offer","priceCurrency": "USD","price": "10.00","itemCondition": "http://schema.org/NewCondition","availability": "http://schema.org/InStock","url": "MyUrl.com","availableAtOrFrom": {"@type": "Place","name": "Geneva, NY","geo": {"@type": "GeoCoordinates","latitude": "42.8361","longitude": "-76.9874"}},"seller": {"@type": "Person","name": "Edward"}}}</script>

我正在尝试使用这个 JSoup 代码来提取最后一行"name": "Edward"

public class JsoupCrawler {
    public static void main(String[] args) {
        try {
            Document doc = Jsoup.connect("https://example.com").userAgent("mozilla/17.0").get();
            Elements temp = doc.select("script.name");
            int i=0;
            for (Element nameList:temp) {
              i++;
              System.out.println(i+  " "+ nameList.getElementsByTag(" ").first().text() );
            } 
        }  
        catch (IOException e) {
            ex.printStackTrace();  
        } 
    }
}

有人可以帮我解决这个问题，还是不可能？

标签： javajsoup

解决方案

JSoup 正在解释 HTML。元素的内容<script>包含 JavaScript，因此 JSoup 无法解释元素内部的<script>内容。

看起来好像<script>元素的内容是用 JSON 格式化的。所以你可以使用 JSoup 来获取<script>元素的内容，然后尝试将这个字符串感受到一个 JSON 解释库中。如果您想深入了解，请看这里：How to parse JSON in Java

如果这是一次性的，并且您可以相信元素的内容<script>不会发生太大变化，您也可以使用正则表达式来获取所需的部分。但是，我建议使用 JSON 库。

推荐阅读