Question

我正在使用JSoup列出网页上的所有链接，但在我运行第一个程序后，我立即注意到所有空链接或自我链接（href="#"）。所以我尝试使用以下代码删除它们：

if (link != "" && link != "#" && link != "/") {
    links.add(link);
}

但由于某种原因，它只会过滤掉""和"/"链接。我以为这与隐形人物有关，但我无法弄明白。在我的控制台中，所有显示为链接的都是#。

有没有人知道最近发生了什么？

Answer 1

你用错误的方式比较了字符串，

以下是修复：

if ("".equals(link) && "#".equals(link) && "/".equals(link)) {
links.add(link);

}

Answer 2

您可以过滤掉所有以＃开头或为空的链接或仅包含/在选择查询期间的链接，例如

document.select("a:not([href^=#])").select("a[href~=^/?[^/]+]");

这转换为选择所有不以＃开头的标签元素，并且可能以/开头，但在这种情况下，它们不能只包含/

在这里，您可以找到我为测试准备的示例Groovy脚本 - https://gist.github.com/wololock/719985e6c48f40f8935f Java代码几乎相同，只需记住;在每一行的末尾并更改为“。”。此示例显示如何在不进行任何进一步过滤的情况下提取所有链接。