问题描述
请有人帮我解析HTML页面中的这些链接
Please can someone help me parse these links from an HTML page
- http：//nemertes.lis.upatras。 gr / dspace / handle / 123456789/2299
- http://nemertes.lis.upatras.gr/dspace/handle/123456789/3154
- http://nemertes.lis.upatras.gr/dspace/handle/123456789/3158
- http://nemertes.lis.upatras.gr/dspace/handle/123456789/2299
- http://nemertes.lis.upatras.gr/dspace/handle/123456789/3154
- http://nemertes.lis.upatras.gr/dspace/handle/123456789/3158
我想使用这些链接中常见的句柄字来解析。
I want to parse using the "handle" word which is common in these links.
我正在使用命令 [Pattern pattern = Pattern.compile（< a。+ href = \（。+？ ）\）;] 但是它解析了页面的所有 href 链接。
I'm using the command [Pattern pattern = Pattern.compile("<a.+href=\"(.+?)\"");] but it parse me all the href links of the page.
有任何建议吗？
谢谢
Any suggestions?
Thanks
推荐答案
您的正则表达式正在查看所有< a href ... 标记。 handle总是用作/ dspace / handle等，所以你可以使用这样的东西来搜索你正在寻找的网址：
Your regular expression is looking at ALL <a href... tags. "handle" is always used as "/dspace/handle" etc. so you can use something like this to scrape the urls you're looking for:
Pattern pattern = Pattern.compile("<a.+href=\"(/dspace/handle/.+?)\"");
这篇关于尝试使用Java解析HTML目录列表中的链接的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！