我已经下载了一个网页，我想提取该文件中的所有链接。这个链接包括绝对和亲戚。例如我们有：
<script type="text/javascript" src="/assets/jquery-1.8.0.min.js"></script>
或
<a href="http://stackoverflow.com/" />
所以在阅读完文件后，我该怎么办？
答案 0 :(得分：0)
如果你想使用Java内置的正则表达式系统，这并不复杂。硬位是找到正确的正则表达式来匹配URL [1] [2] 。为了回答，我会假设你已经完成了这项工作，并将其作为Pattern存储，其语法如下：
Pattern url = Pattern.compile("your regex here");
以及迭代每一行的某种方式。您要做的是定义ArrayList<String>：
ArrayList<String> urlsFound = new ArrayList<>();
从那里开始，您将有一些循环来遍历您的文件（假设每一行都是<? extends CharSequence> line），并且在内部你会把它放在：
Matcher urlMatch = url.matcher(line);
while (urlMatch.find()) urlsFound.add(urlMatch.match());
这样做可以为您的专线创建Matcher，并为之前的网址匹配Pattern。然后，它循环直到#find()返回false（即，没有更多匹配）并将匹配（带#group()）添加到列表urlsFound。
在循环结束时，urlsFound将包含网页上所有网址的所有匹配项。请注意，如果您有大量文字，这可能会占用大量内存，因为urlsFound会变得非常大，并且您将创建并放弃大量Matcher秒。
1：我发现了一些a quick Google search的好网站;据我所知，作物的奶油似乎是here和here。您的需求可能会有所不同。
2：您需要确保使用单个组捕获整个网址，否则根本不会工作。但是，如果有多个部分，可以调整它。