最佳表现方式，以提取JSOUP中嵌入资源的链接

Question

关于解析文档以提取资源链接的最佳方法，我有一个问题。

你在这本食谱中展示：

• http://jsoup.org/cookbook/extracting-data/example-list-links

以下构建DOM表示的方法：

    Document doc = Jsoup.connect(url).get();
    Elements links = doc.select("a[href]");

所以我不确定这是表现最好的方式。

• 迭代doc.getAllElements（）会更好吗？
• 或者是否有某种类型的SAX解析器？

我在3月3日在JSOUP googlegroups上提出了这个问题，但我不确定我的邮件是否通过了过滤器。

Answer 1

最佳表现方式是使用NodeTraversor，这是访客模式的实现。它将扫描整个树，就像另外两个选项一样，但是

• 它不需要解析CSS查询并“动态”匹配 - 与静态过滤器相比，JIT优化自定义查询的可能性更小
• 它不会像getAllElements()
那样将元素存储到列表中

不支持SAX解析模型，因为Jsoup总是创建一个DOM树，因此不需要能力较弱的SAX。 HtmlCleaner也是如此。

final List<Element> elements = new ArrayList<Element>();

new NodeTraversor(new NodeVisitor() {
    public void head(Node node, int depth) {
        if (node instanceof Element) {
            Element element = (Element) node;
            if(element.tagName().equalsIgnoreCase("a") && element.hasAttr("href")){
                elements.add(element);
            }
        }
    }

    public void tail(Node node, int depth) {
    }
}).traverse(doc);

return elements;