Question

我正在尝试使用Java从HTML文件中提取所有链接。

模式似乎是<a href = "Name">。我想获得一个能够让我访问所需网页的网址。

你们可以帮我解决一下（string.contains？string.indexof？）？

谢谢。

Answer 1

基本的基本方法是使用正则表达式匹配。

    String html = "YOUR HTML";
    String regex = "<a href\\s?=\\s?\"([^\"]+)\">";
    Pattern pattern = Pattern.compile(regex);
    Matcher matcher = pattern.matcher(html);
    int index = 0;
    while (matcher.find(index)) {
        String wholething = matcher.group(); // includes "<a href" and ">"
        String link = matcher.group(1); // just the link
        // do something with wholething or link.
        index = matcher.end();
    }

另一方面，您可以使用类似Document的内容。我对此并不了解。

如何在HTML文件中提取所有链接（href）？

1 个答案: