使用 Jsoup 获取锚链接

Question

我正在使用

获取 href

Jsoup.parse(hrefLink, "").select("a[href]").attr("href")

hrefLink 的创建地址是 hreflink。

我想要做的是，如果它们符合我的条件，则从当前网页获取传出链接。不幸的是，由于锚链接，我不能总是获得传出链接，但我希望能够获得锚链接重定向到的其他 href。例如：

给定页面：http://en.wikipedia.org/wiki/Baked_potato

其中引文[10]锚链接有两个传出链接。我希望能够得到它们。如何使用 Jsoup 做到这一点？如果 Jsoup 无法做到这一点，我还能使用什么？

Answer 1

HTML 锚点（以及一般的片段链接）仅指示当锚点导航到时浏览器将滚动到的文档中的位置（通过链接或直接通过带有#fragment 的 URL）；他们不会“重定向”到任何东西。链接之间的关系未在文档中编码，因此 Jsoup（或任何其他库）通常无法确定这一点。你的程序需要一些关于它正在处理的页面的语义知识。

在您的维基百科示例中，找到li#cite_note-10 元素后，您可以选择所有子a 元素，然后使用absUrl("href") 获取链接目标并过滤掉任何指向同一页面的链接。 （目前只检查href 属性不以# 开头就足够了，但通常文档也可以使用完整的URL 链接到自身。）但这取决于文档的语义，而不仅仅是它的语法——未来的 Wikipedia 重新设计可能会移动到引文链接指向的位置，以便传出链接不再是引文链接目标的子级，并且您的代码将中断。