首页 > 代码库 > Jsoup解析html时对相对地址的处理

Jsoup解析html时对相对地址的处理

前一段时间运用htmlparser时,获取地址是时直接将html页面的相对地址转换成绝对地址,然而今天在运用jsoup,开始的时候发现只能得到相对地址,最后在网上寻找到了解决办法。

htmlparser获得URLs:

//参数说明:parser为模拟浏览器对URL地址操     dataPath:所解析的URL存放路径   dataName:存放URL的数据库名
	 public static void extractURL(final Parser parser, final String dataPath, final String dataName){
		 try {
		 	NodeVisitor visitor = new NodeVisitor(){
			//int i = 1;
			public void visitTag(Tag tag){
				if(tag instanceof LinkTag){
					LinkTag link = (LinkTag)tag;
					String linkString  = link.getLink();
					linkString.trim();
					String regex = "^(https?|ftp|file)://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|]" ;
					boolean isMatch = PatternMatcher.stringMatchRegex(regex, linkString) ;
					if(isMatch){
						if(OperatingDB.writerKeyAndValue(dataPath,dataName,linkString,"")){
							String linkTxt = link.getText();
							System.out.println(linkString + "                " + linkTxt);
							//System.out.println("插入URL成功!!" );
						}
					}
				}
			}
		};
		parser.visitAllNodesWith(visitor);
		} catch (ParserException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
	 }

Jsoup代码:

			Element element = doc.body();
			//Elements links = element.getElementsByAttributeValue("class", "note");
			Elements links = element.select("a[href]");
			//links.removeAll();
			FileWriter fileWriter = new FileWriter(file, true);
			for(int i = 0; i < links.size(); i++ ){
				Element link = links.get(i);
				System.out.println((link.attr("abs:href") + "     "));//这里添加abs后得到的为绝对地址,如果不加所得到的将是相对地址
				System.out.println((link.text());//得到代替地址的文本
			}