提取任何圖片，HTML使用Java

我想從一個網頁的HTML源代碼中所有圖片的URL列表（無論abosulte和相對URL）。我用Jsoup解析HTML，但沒有給出所有圖像。例如，當我解析google.com HTML源其示出零images..In google.com HTML源圖像鏈接在形式上..提取任何圖片，HTML使用Java

"background:url(/intl/en_com/images/srpr/logo1w.png)

而在rediff.com圖像鏈接在形式..

videoArr[j]=new Array("http://ishare.rediff.com/video/entertainment/bappi-da-the-first-indian-in-grammy-jury/2684982","http://datastore.rediff.com/h86-w116/thumb/5E5669666658606D6A6B6272/v3np2zgbla4vdccf.D.0.bappi.jpg","Bappi Da - the first Indian In Grammy jury","http://mypage.rediff.com/profile/getprofile/LehrenTV/12669275","LehrenTV","(2:33)"); j = 1 videoArr[j]=new Array("http://ishare.rediff.com/video/entertainment/bebo-shahid-jab-they-met-again-/2681664","http://datastore.rediff.com/h86-w116/thumb/5E5669666658606D6A6B6272/ra8p9eeig8zy5qvd.D.0.They-Met-Again.jpg","Bebo-Shahid : Jab they met again!","http://mypage.rediff.com/profile/getprofile/LehrenTV/12669275","LehrenTV","(2:17)");

所有圖片都是不與「IMG」 tags..I也想提取如上面的HTML源不屬於即使在「IMG」的標籤圖像。

我怎樣才能做到這一點..？請幫我在這.. 感謝

來源

2011-02-03 user600989

爲什麼Java的？你有沒有想過開發一個瀏覽器插件？ – fglez 2011-02-04 16:11:33

這將是一個有點困難，我想。你基本上需要一個庫，它將下載一個網頁，構建頁面的DOM並執行任何可能改變DOM的javascript。完成所有這些之後，您必須從DOM中提取所有可能的圖像。另一種可能的選擇是攔截庫的所有調用來下載資源，檢查URL以及URL是否爲URL的圖像記錄。

我的建議是用打的HtmlUnit開始（http://htmlunit.sourceforge.net/gettingStarted.html。）它確實建立DOM的一個好工作。我不確定它具有什麼類型的鉤子來攔截下載資源的方法。當然，如果它不能爲您提供鉤子，你可以隨時使用的AspectJ或者簡單修改化的HtmlUnit源代碼。祝你好運，這聽起來像是一個相當有趣的問題。當你解決問題時，你應該發佈你的解決方案。

來源

2011-02-03 05:23:05

如果你只是想在網頁中提到每一個形象，你不能只掃描HTML和任何鏈接的JavaScript或用一個簡單的正則表達式CSS？可能性有多大你的HTML/JS/CSS這不是一個形象得到[-:_./%a-zA-Z0-9]*(.jpg|.png|.gif)？我猜不太可能。無論如何，你應該允許斷開鏈接。

KARTHIK的建議是比較正確的，但我想給你剛剛獲得絕對一切，並過濾掉不感興趣的圖像是更重要的。

來源

2011-04-28 11:05:47

提取任何圖片，HTML使用Java

回答

相關問題