前一段时间运用htmlparser时,获取地址是时直接将html页面的相对地址转换成绝对地址,然而今天在运用jsoup,开始的时候发现只能得到相对地址,最后在网上寻找到了解决办法。
htmlparser获得URLs:
//参数说明:parser为模拟浏览器对URL地址操 dataPath:所解析的URL存放路径 dataName:存放URL的数据库名 public static void extractURL(final Parser parser, final String dataPath, final String dataName){ try { NodeVisitor visitor = new NodeVisitor(){ //int i = 1; public void visitTag(Tag tag){ if(tag instanceof LinkTag){ LinkTag link = (LinkTag)tag; String linkString = link.getLink(); linkString.trim(); String regex = "^(https?|ftp|file)://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|]" ; boolean isMatch = PatternMatcher.stringMatchRegex(regex, linkString) ; if(isMatch){ if(OperatingDB.writerKeyAndValue(dataPath,dataName,linkString,"")){ String linkTxt = link.getText(); System.out.println(linkString + " " + linkTxt); //System.out.println("插入URL成功!!" ); } } } } }; parser.visitAllNodesWith(visitor); } catch (ParserException e) { // TODO Auto-generated catch block e.printStackTrace(); } }
Jsoup代码:
Element element = doc.body(); //Elements links = element.getElementsByAttributeValue("class", "note"); Elements links = element.select("a[href]"); //links.removeAll(); FileWriter fileWriter = new FileWriter(file, true); for(int i = 0; i < links.size(); i++ ){ Element link = links.get(i); System.out.println((link.attr("abs:href") + " "));//这里添加abs后得到的为绝对地址,如果不加所得到的将是相对地址 System.out.println((link.text());//得到代替地址的文本 }
Jsoup解析html时对相对地址的处理,布布扣,bubuko.com
原文:http://blog.csdn.net/winnerspring/article/details/28882133