現(xiàn)在的小說越來越難找了，一般都是在線的,費(fèi)流量且收藏起來麻煩。

所以我覺得寫一個(gè)整理器，從某些小說網(wǎng)站獲取小說內(nèi)容并保存為txt文件。

我們使用jsoup

它的maven描述為:

org.jsoup

jsoup

1.11.2

我們先找個(gè)小說網(wǎng)站，比如我們百度“思路客”，點(diǎn)擊一個(gè)網(wǎng)站(http://www.siluwu.com)進(jìn)去后，搜索 煙雨江南的“褻瀆”

搜索好文章點(diǎn)進(jìn)去后

這就是文章列表。

下面就開始分析和采集了

這里我們需要分析文章。

首先我們先獲取小說的文章名，我們知道文章名是id為title的div

我們獲取ID為title的內(nèi)容。他的路徑是"#title" 和jQuery很相似。String?xiaoshuoTitle?=?JsoupUtil.getElementString(doc,?"#title");

下面我們來獲取文章目錄:

根據(jù)分析我們可以得知 文章在一個(gè)ID為list的層下面.

所以我們可以使用Elements?es?=??JsoupUtil.getElements(doc,?"#list?>?dl?>?dd?>?a");

這樣我們就可以獲取所有的文章鏈接。

我們可是使用?e.attr("href") 來獲取鏈接地址 使用?e.text() 來獲取鏈接內(nèi)容，也就是文章標(biāo)題。

代碼如下:private?static?List?getList(Document?doc)?throws?IOException{

Elements?es?=??JsoupUtil.getElements(doc,?"#list?>?dl?>?dd?>?a");

List?as?=?new?ArrayList();for(int?i?=0?;?i?

Article?a?=?new?Article();

Element?e?=?es.get(i);

a.setLink(e.attr("href"));

a.setTitle(e.text());

as.add(a);

}return?as;

}

這樣我們就可以拿到一個(gè)文章集合。下面就是去解析每篇文章的標(biāo)題:

我們發(fā)現(xiàn)文章在一個(gè)ID為content的層里面。

所以我們可以通過?JsoupUtil.getElements(doc, "#content").first(); 來獲取文章所在層。并且可以通過?html()方法來返回內(nèi)容。

下面我們要做的就是將所有的html標(biāo)簽去除，并且將
替換為換行。String?content?=?getArticle(root_url+link);

content?=?content.replaceAll("?",?"?");

content?=?content.replaceAll("
",?"\n");

content?=?content.replaceAll("\n+",?"\n");

content?=?content.replaceAll("]+>",?"");

content?=?content.replace("read_content_up();",?"");

content?=?title+"\n"+content;

最后我們只需要將字符串拼接成為小說，并保存為txt文件。這樣把txt導(dǎo)入到手機(jī)里 就是完整小說了。

總結(jié)

以上是生活随笔為你收集整理的java 采集器_使用jsoup来写小说采集器的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。