一种比较好的取得页面链接的方式

原创于 2011-10-28 14:35:12 发布 · 645 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#string #list

我的研究方向----搜索引擎专栏收录该内容

11 篇文章

订阅专栏

本文详细阐述了如何使用正则表达式从网页中提取有效链接的过程。通过定义特定的模式字符串，实现对网页内容的精确匹配，进而筛选并打印出有效的超链接。

public static final String patternString="<\\s*a\\s+href=\"([^\"]+)\"";
public static ArrayList<String> extractLink(String page)
{
  ArrayList<String> list=new ArrayList<String>();
  Pattern pattern=Pattern.compile(patternString,Pattern.DOTALL);
  Matcher matcher=pattern.matcher(page);
  while(matcher.find())
  {
   //获得匹配好的字符串，并去掉首部
   String temp1=matcher.group();
   String temp2=temp1.substring(9,temp1.length()-1);
   //从中提取超链接，只要正确的链接
   if(temp2.indexOf("h")==0)
   {
    list.add(temp2);
   }
  }
  for(int i=0;i<list.size();i++)
  {
   System.out.println(list.get(i));
  }
  return list;
}//extractLink