java - 删除 JSoup 抓取的重复元素

Question

在我的抓取功能中，我检索 DOM 中存在的链接。

Elements links = doc.getElementsByTag("a");

for (Element link : links) {
    String linkHref = link.attr("href");
    if(linkHref.contains("/blog/")){
        System.out.print("Link: " + linkHref + "\n");
    }
}

这很有效。

我想知道的是删除 Elements 对象中的重复链接。

这可能吗？如果没有，我会很容易找到使用字符串数组的解决方法，但我更喜欢惯用的解决方案。

谢谢

Answer 1

您可以使用 HashSet 来实现它。 HashSet 是一种存储唯一元素集的数据结构，因此如果存在重复链接，您将不会将它们包含在 HashSet 中。

Elements links = doc.getElementsByTag("a");
Set<String> set = new HashSet<String>();
for (Element link : links) {
    String linkHref = link.attr("href");
    if(linkHref.contains("/blog/")){
        set.add(linkHref);
        System.out.print("Link: " + linkHref + "\n");
    }
}