HTML解析器獲取鏈接文本

Question

我正在使用HTML Parser從網頁獲取鏈接。我需要將URL，鏈接文本和URL存儲到包含鏈接的父頁面。我設法獲取鏈接網址以及父網址。

我仍然需要獲取鏈接文本。

<a href="url">link text</a> 

不幸的是我很難搞清楚，任何幫助將不勝感激。

public static List<LinkContainer> findUrls(String resource) { 
    String[] tagNames = {"A", "AREA"}; 
    List<LinkContainer> urls = new ArrayList<LinkContainer>(); 
    Tag tag; 
    String url; 
    String sourceUrl; 

    try { 

     for (String tagName : tagNames) { 

      Parser parser = new Parser(resource); 
      NodeList nodes = parser.parse(new TagNameFilter(tagName)); 

      NodeIterator i = nodes.elements(); 

      while (i.hasMoreNodes()) { 
       tag = (Tag) i.nextNode(); 
       url = tag.getAttribute("href"); 
       sourceUrl = tag.getPage().getUrl(); 

       if (RegexUtil.verifyUrl(url)) { 
        urls.add(new LinkContainer(url, null, sourceUrl)); 
       } 
      } 
     } 

    } catch (ParserException pe) { 
     pe.printStackTrace(); 
    } 

    return urls; 
} 

Answer 1

您是否嘗試過（（鏈接標記）標記）.getLinkText（）？就個人而言，我更喜歡n根據使用的標準（例如，xerces或類似的標準）生成XML的html解析器。這是您從使用中得到的結果，例如http://nekohtml.sourceforge.net/。

Answer 2

您需要檢查每個A Tag的孩子。如果你認爲你的A標籤只有一個孩子（文本本身），你可以使用getFirstChild()方法。這應該是TextNode的一個實例，並且您可以調用getText()來獲取鏈接文本。