hyperlink - Jsoup 获取页面中的所有链接

Question

我正在实现一个网络机器人，它必须从页面中获取所有链接并选择所需的链接。除了我遇到一个链接在“表”或“跨度”标签内的问题外，我一切都在工作。
这是我的代码片段:

Document doc = Jsoup.connect(url)
    .timeout(TIMEOUT * 1000)
    .get();
Elements elts = doc.getElementsByTag("a");

这是示例 HTML:

<table>
  <tr><td><a href="www.example.com"></a></td></tr>
</table>

我的代码不会获取此类链接。使用 doc.select 也无济于事。我的问题是，如何从页面中获取所有链接？

编辑:我想我知道问题出在哪里。我遇到问题的页面写得很糟糕，HTML 验证器抛出了大量错误。这会导致问题吗？

Answer 1

一般来说，Jsoup 可以处理最糟糕的 HTML。在 JSoup 使用它时转储 HTML(您可以简单地输出 doc.toString())。

提示 :使用 select()而不是 getElementsByX() ，它更快，更灵活。
Elements elts = doc.select("a"); (编辑)

以下是有关 Selector-API 的概述:http://jsoup.org/cookbook/extracting-data/selector-syntax