使用Jsoup獲取錨鏈接

Question

我通過使用獲取href

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

其中hrefLink成立hreflink。

我想要做的是，從當前網頁中獲取符合我條件的傳出鏈接。 不幸的是，由於錨鏈接，我不能總是獲得傳出鏈接，但我希望能夠獲得錨鏈接重定向到的其他href。 例如：

給定頁面： http : //en.wikipedia.org/wiki/Baked_potato

其中引文[10] anchorlink有兩個傳出鏈接。 我希望能夠得到他們。 如何使用Jsoup做到這一點？ 如果Jsoup無法做到這一點，我還能使用什么呢？

Answer 1

HTML錨點（通常是指向片段的鏈接）僅表示在瀏覽錨點時（通過鏈接或直接通過帶#fragment的URL）瀏覽器將滾動到的位置； 他們不會“重定向”到任何東西。 鏈接之間的關系未在文檔中編碼，因此Jsoup（或任何其他庫）通常無法確定這一點。 您的程序將需要一些其處理頁面的語義知識。

在您的Wikipedia示例中，找到li#cite_note-10元素之后，您可以選擇所有child a元素，然后使用absUrl("href")獲得鏈接目標並過濾出引用同一頁面的所有鏈接。 （當前僅檢查href屬性不是以#開頭就足夠了，但是一般而言，文檔也可以使用完整的URL鏈接到自身。）但這取決於文檔的語義，而不僅是其語法-未來的Wikipedia重新設計可能會移至引用鏈接指向的位置，以使傳出鏈接不再是引用鏈接目標的子鏈接，並且您的代碼將中斷。