如何使用Java在HTML中查找URL

Question

我有以下内容…我不会说问题，而是情况。

我有一些带有标签和其他内容的HTML。我想搜索每个URL的HTML。我现在正在通过检查它说“ h”，“ t”，“ t”然后“
p”的位置来做到这一点，但是我认为这不是一个很好的解决方案

有什么好主意吗？

补充：我正在寻找某种伪代码，但是，以防万一，我正在为此项目使用Java

Answer 1

尝试使用HTML解析库，然后<a>在HTML文档中搜索标签。

Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");
Elements links = doc.select("a[href]"); // a with href

并非所有的url都在标签中，有些是文本，有些在链接或其他标签中

您不应该扫描HTML源代码来实现此目的。

您将最终获得不一定位于页面“文本”中的链接元素，例如，您可能最终获得页面中JS脚本的“链接”。

最好的方法仍然是使用为该工作量身定制的工具。

你应该抓住HTML标签和覆盖最有可能的人有他们内部的“链接”（比如：<h1>，<p>，<div>等）。HTML解析器提供了
类似于正则表达式的功能，以过滤 标记的内容，类似于您的“以HTTP开头”的逻辑。

[attr^=value]，[attr$=value]， [attr*=value]:用与启动属性的元素，结束与，或包含所述的值，例如
select("[href*=/path/]")

请参阅：jSoup。