java - 找到缩略图后如何获取实际图像？

Question

我正在使用 Nutch 抓取图像。我的代码在某种程度上工作，当它找到一个标签时，它会处理找到的图像。它工作得很好，但有一个问题，在这个过程中，大量的缩略图被抓取和处理，而我需要实际的图像。在某些情况下，我确实获得了实际图像及其缩略图，但在许多情况下，我在我抓取的图像集中找不到实际图像。来自壁纸收集网站的此快照可能有助于了解情况，其中这些缩略图而不是实际图像被抓取和处理。

以下是代码的简单草图。

while(nodeWalker.hasNext()){
             //some code

  if("img".equalsIgnoreCase(nodeName) && nodeType == Node.ELEMENT_NODE){

            //image detected 
            //get image Url, do more.....
  }
} 

我在网上搜索但找不到如何实现这一目标。

Answer 1

就我的 Nutch 知识而言，您无法区分图像和缩略图，因为缩略图本身就是图像。

您需要自己添加一些逻辑来区分缩略图和您正在搜索的实际图像。

你可以例如验证图像是否是链接到另一个图像或类似内容的 anchor 的一部分。