jsoup不会仅提取电子邮件网站

Question

我遇到了jsoup问题。它只是提取网站链接而不是电子邮件链接。这是我的代码：

try {
            Document doc = Jsoup.connect(url2).get();

            Elements links = doc.select("a[href]");

            for (Element web: links) {

                Log.i("websites/emails/etc.", web.attr("abs:href"));
            }

            Elements links2 = doc.select("link[href]");

            for (Element web: links2) {

                Log.i("websites/emails/etc.", web.attr("abs:href"));
            }

logcat仅显示网站链接。 这是检查页面：

Answer 1

编辑 -

我想念你使用的是Android。我在JVM上测试过，你的代码看起来不错，我在Android上重新测试并看到同样的事情。解决方案似乎是从abs:来电中移除attr限定符。

   Log.i("websites/emails/etc.", web.attr("href"));

原始答案，可能适用于其他提取mailto:的尝试。

这几乎可以肯定是网站创建者的预期行为。由于spambot电子邮件收集程序很容易抓取mailto:标记，因此当您提取原始HTML时，有许多技术可以使mailto:标记不明显。相反，它们巧妙地编码，或者由javascript动态生成。 See here for an example。 Safari正在向您展示元素，因为这些技术在浏览器中是正确的，即使只是HTML看起来很时髦。如果您使用curl下载文件并查看原始文本，则可能没有＆＃34; mailto：＆＃34;在那里标记。