使用Java读取锚标记内的href答案

【问题标题】：Read href inside anchor tag using Java使用Java读取锚标记内的href
【发布时间】：2011-03-29 21:44:37
【问题描述】：

我有一个这样的 HTML sn-p：

<a href="XXXXXXXXXXXXXXX" target="_blank" class="view_job_link">View or apply to job</a>

我想使用 Java 读取 href 值 XXXXXXXXXX。

注意点：我正在使用 inputstreamreader(url.openStream()) 从 URL 读取 HTML 文件。

我得到一个完整的 HTML 文件，上面的 sn-p 是该文件的一部分。

我该怎么做？

谢谢

卡伦杰·阿南德

【问题讨论】：

我注意到您将您的问题标记为“正则表达式”。请阅读这个。 stackoverflow.com/questions/1732348/…
Java: I have a big string of html and need to extract the href="..." text...的可能重复

标签： java regex

【解决方案1】：

使用像 Jsoup 这样的 html 解析器。 API 很容易学习，对于你的情况，下面的代码 sn-p 就可以了

URL url = new URL("http://example.com/");
Document doc = Jsoup.parse(url, 3*1000);
Elements links = doc.select("a[href]"); // a with href
for (Element link : links) {
   System.out.println("Href = "+link.attr("abs:href"));
}

【讨论】：

你也可以使用link.absUrl("href")。

【解决方案2】：

使用 HTML 解析器，如 TagSoup 或类似的东西。

【讨论】：

【解决方案3】：

您可以使用Java 自己的HtmlEditorKit 来解析html。这样您就不需要依赖任何第三方 html 解析器。 Here 是一个如何使用它的例子。

【讨论】：