你如何解析一个网页并提取所有的href链接？ [英] How do you parse a web page and extract all the href links?
本文介绍了你如何解析一个网页并提取所有的href链接？的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
如果页面包含以下链接：
I want to parse a web page in Groovy and extract all of the href links and the associated text with it.
p>
If the page contained these links:
<a href="http://www.google.com">Google</a><br />
<a href="http://www.apple.com">Apple</a>
输出结果为：
the output would be:
Google, http://www.google.com<br />
Apple, http://www.apple.com
我正在寻找Groovy的答案。 AKA。简单的方法！
I'm looking for a Groovy answer. AKA. The easy way!
推荐答案
假设格式良好的XHTML，啜饮xml，收集所有标签，找到'a'标签，并打印出href和文本。
Assuming well-formed XHTML, slurp the xml, collect up all the tags, find the 'a' tags, and print out the href and text.
input = """<html><body>
<a href = "http://www.hjsoft.com/">John</a>
<a href = "http://www.google.com/">Google</a>
<a href = "http://www.stackoverflow.com/">StackOverflow</a>
</body></html>"""
doc = new XmlSlurper().parseText(input)
doc.depthFirst().collect { it }.findAll { it.name() == "a" }.each {
println "${it.text()}, ${it.@href.text()}"
}
这篇关于你如何解析一个网页并提取所有的href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IT屋！
查看全文
