Question

我正在从网页上阅读内容，然后我在Jsoup解析器的帮助下解析它，只获取body部分中存在的超链接。我得到的输出为：

<a href="/sports/sports.asp" style="TEXT-DECORATION: NONE"><font color="#0000FF">Sports</font></a>
<a href="/titanic/titanic.asp" style="TEXT-DECORATION: NONE"><font color="#0000FF">Titanic</font></a>
<a href="gastheft.asp" onmouseover="window.status='License Plate Theft';return true" onmouseout="window.status='';return true">license plates</a>
<a href="miracle.asp" onmouseover="window.status='Miracle Cars';return true" onmouseout="window.status='';return true">miracle cars</a>
<a href="/crime/warnings/clear.asp" onmouseover="window.status='Clear Loss';return true" onmouseout="window.status='';return true" target="clear">Clear</a>

and even more hyperlinks.

从他们所有人，我感兴趣的是像

这样的数据

/sports/sports.asp
/titanic/titanic.asp
gastheft.asp
miracle.asp
/crime/warnings/clear.asp

如何使用字符串执行此操作，还是有其他方法或方法可以使用Jsoup Parser本身提取此信息？

Answer 1

你可以尝试这个，它的作品。

public class AttributeParsing {

/**
 * @param args
 */
public static void main(String[] args) {
    final String html = "<a href=\"/sports/sports.asp\" style=\"TEXT-DECORATION: NONE\"><font color=\"#0000FF\">Sports</font></a>";

    Document doc = Jsoup.parse(html, "", Parser.xmlParser());
    Element th = doc.select("a[href]").first();

    String href = th.attr("href");

    System.out.println(th);
    System.out.println(href);
}

}

输出：

：<a href="/sports/sports.asp" style="TEXT-DECORATION: NONE"><font color="#0000FF">Sports</font></a>

href：/sports/sports.asp

Answer 2

这应该是使用

进行解析的基本部分

String.indexOf

，如

index = jsoupOutput.indexOf ("href=\"");

和

nextIndex = jsoupOutput.indexOf ("\"", index);

进行必要的检查。

Answer 3

假设String锚包含其中一个链接，那么子串的起始索引将在href =“之后，而结束索引将是索引9之后的第一个引号：

String anchor = "<a href=\"/sports/sports.asp\" style=\"TEXT-DECORATION: NONE\"><font color=\"#0000FF\">Sports</font></a>";
int beginIndex = anchor.indexOf("href=\"") + 6; //To start after <a href="
int endIndex = anchor.indexOf("\"", beginIndex);
String desiredPart = anchor.substring(beginIndex, endIndex);

如果锚的形状总是那样，那就是它。更好的选择是使用正则表达式，最好是使用XML解析器。

Answer 4

将此作为参考

import java.util.regex.*;

public class HelloWorld{

     public static void main(String []args){

         String s = "<a href=\"/sports/sports.asp\" style=\"TEXT-DECORATION: NONE\"><font color=\"#0000FF\">Sports</font></a>"+
                    "<a href=\"/titanic/titanic.asp\" style=\"TEXT-DECORATION: NONE\"><font color=\"#0000FF\">Titanic</font></a>"+
                    "<a href=\"gastheft.asp\" onmouseover=\"window.status='License Plate Theft';return true\" onmouseout=\"window.status='';return true\">license plates</a>"+
                    "<a href=\"miracle.asp\" onmouseover=\"window.status='Miracle Cars';return true\" onmouseout=\"window.status='';return true\">miracle cars</a>"+
                    "<a href=\"/crime/warnings/clear.asp\" onmouseover=\"window.status='Clear Loss';return true\" onmouseout=\"window.status='';return true\" target=\"clear\">Clear</a>";
       Pattern p = Pattern.compile("href=\".+?\"");
       Matcher m = p.matcher(s);
       while(m.find())
       {
           System.out.println(m.group().split("=")[1].replace("\"",""));
       }

     }
}

输出

/sports/sports.asp
/titanic/titanic.asp
gastheft.asp
miracle.asp
/crime/warnings/clear.asp

Answer 5

试试这可能会有所帮助

String html = "<p>An <a href='http://example.com/'><b>example</b></a> link.</p>";
Document doc = Jsoup.parse(html);
Element link = doc.select("a").first();

String text = doc.body().text(); // "An example link"
String linkHref = link.attr("href"); // "http://example.com/"
String nextIndex = linkHref .indexOf ("\"", linkHref );

Answer 6

您可以在一行中完成：

String[] paths = str.replaceAll("(?m)^.*?\"(.*?)\".*?$", "$1").split("(?ms)$.*?^");

第一个方法调用从每一行中删除除目标之外的所有内容，第二个方法调用在换行符上拆分（适用于所有操作系统终止符）。

FYI (?m)开启“多线模式”，(?ms)也开启“dotall”标志。

从Java中的给定字符串获取子字符串

6 个答案: