使用Jsoup打开连接，获取状态代码并解析文档

Question

我正在使用jsoup创建一个类，该类将执行以下操作：

1. 构造函数将打开与url的连接。
2. 我有一种方法可以检查页面状态。即200、404等。
3. 我有一种解析页面并返回网址列表的方法。

下面是我要做的工作的粗略工作，而不是因为我尝试了许多不同的事情而变得很粗糙

public class ParsePage {
private String path;
Connection.Response response = null;

private ParsePage(String langLocale){
    try {
        response = Jsoup.connect(path)
                .userAgent("Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/535.21 (KHTML, like Gecko) Chrome/19.0.1042.0 Safari/535.21")
                .timeout(10000)
                .execute();
    } catch (IOException e) {
        System.out.println("io - "+e);
    }
}

public int getSitemapStatus(){
    int statusCode = response.statusCode();
    return statusCode;
}

public ArrayList<String> getUrls(){
    ArrayList<String> urls = new ArrayList<String>();

 }
}

如您所见，我可以获取页面状态，但是使用构造函数中已经打开的连接，我不知道如何解析文档，我尝试使用：

Document doc = connection.get();

但这是不行的。有什么建议？还是更好的方法来解决这个问题？

Answer 1

如JSoup文档中有关Connection.Response类型的所述，有一种parse()方法将响应的主体解析为a
Document并返回它。有了它，您就可以随心所欲。

例如，查看执行 getUrls()

public class ParsePage {
   private String path;
   Connection.Response response = null;

   private ParsePage(String langLocale){
      try {
         response = Jsoup.connect(path)
            .userAgent("Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/535.21 (KHTML, like Gecko) Chrome/19.0.1042.0 Safari/535.21")
            .timeout(10000)
            .execute();
      } catch (IOException e) {
         System.out.println("io - "+e);
      }
   }

   public int getSitemapStatus() {
      int statusCode = response.statusCode();
      return statusCode;
   }

   public ArrayList<String> getUrls() {
      ArrayList<String> urls = new ArrayList<String>();
      Document doc = response.parse();
      // do whatever you want, for example retrieving the <url> from the sitemap
      for (Element url : doc.select("url")) {
         urls.add(url.select("loc").text());
      }
      return urls;
   }
}