HTML解析器获取链接文本

Question

我正在使用HTML Parser从网页获取链接。我需要将URL，链接文本和URL存储到包含链接的父页面。我设法获取链接网址以及父网址。

我仍然需要获取链接文本。

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

不幸的是我很难搞清楚，任何帮助将不胜感激。

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

您是否尝试过（（链接标记）标记）.getLinkText（）？就个人而言，我更喜欢n根据使用的标准（例如，xerces或类似的标准）生成XML的html解析器。这是您从使用中得到的结果，例如http://nekohtml.sourceforge.net/。

Answer 2

您需要检查每个A Tag的孩子。如果你认为你的A标签只有一个孩子（文本本身），你可以使用getFirstChild()方法。这应该是TextNode的一个实例，并且您可以调用getText()来获取链接文本。