HTML解析器獲取鏈接文本

Question

我正在使用HTML Parser從網頁中獲取鏈接。 我需要存儲URL，鏈接文本和包含該鏈接的父頁面的URL。 我設法獲得了鏈接URL以及父URL。

我仍然需要獲得鏈接文本。

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

不幸的是，我很難弄清楚，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（（（LinkTag）tag）.getLinkText（）？ 我個人更喜歡n html解析器，該解析器根據很好的標准（例如xerces或類似標准）生成XML。 這是使用http://nekohtml.sourceforge.net/所獲得的 。

Answer 2

您需要檢查每個A Tag的子代。 如果您假設A標簽只有一個孩子（文本本身），則可以使用getFirstChild（）方法。 這應該是TextNode的實例，您可以對此調用getText（）以獲取鏈接文本。