如何使用Jsoup解析内外部超链接

Question

我正在练习网页抓取，我想知道如何才能只抓取内部和外部超链接。我可以按照 Jsoup 文档检索页面的所有链接，但我仍然不知道如何执行此操作。

提前感谢您的帮助

Answer 1

您可以尝试使用 Document.getElementsByAttributeValueMatching() 方法使用正确的正则表达式按属性名称和属性值查找元素。

例如，查找属性名称为“href”且属性值以https://example.com

开头的所有元素

    Document document = Jsoup.connect("https://example.com").get();
    Elements elements = document.getElementsByAttributeValueMatching("href", "^https://example.com");

    for (Element element : elements) {
        System.out.println(element.attr("href"));
    }

还有一些类似的方法：

Document.getElementsByAttributeValueStarting()
Document.getElementsByAttributeValueContaining()

如何使用Jsoup解析内外部超链接

How to use the Jsoup to parse internal and external hyperlinks

java

hyperlink

jsoup