Question

我正在使用jsoup进行网页的递归爬网。我有这样的链接

sudo shutdown now -h

与第三个链接一样，我没有问题。当您看到第一个和第二个时，将在同一页面中显示导航。锚定标签，第二个我得到了相同的父URL，第二个得到了同一个parenturl＃top。我不希望获取此类链接。可以让我知道如何避免在jsoup中获取此类链接

Answer 1

您应该可以使用以下内容：

doc.select("a[href~=^[^#]")

这将[attr~=regex] selector syntax与正则表达式一起使用，该正则表达式仅匹配不以#开头的字符串。