java - 我需要用 Java 编写一个程序，在其中打印网站上的某些内容(如标题)，但我需要取出标签

Question

我遇到的主要问题是从网站解析到我的程序。我用它打印了源代码。另外，如果它不包含“http://”，我需要添加它。我真的不明白如何解析字符串。

import java.net.*; 
import java.io.*; 
import java.util.Scanner;
public class Project6 { 
  public static void main (String [] args) throws Exception { 

    Scanner sc = new Scanner(System.in); 
    System.out.print("Please enter the URL. "); 
    String web= sc.nextLine(); 
    String foo = "http://allrecipes.com/";


//is "web" have an allrecipes.com url?
//if it doesn't, then exit
if ( web.equals(foo)) {  
  StringBuilder s = new StringBuilder(); 
URL recipes  = new URL (web); 
BufferedReader in = new BufferedReader(new InputStreamReader(recipes.openStream()));

String  inputLine; 

while ((inputLine = in.readLine ())!= null) 
  System.out.println(inputLine);
in.close(); 

}
else { 
   System.out.println("I'm  sorry, but that is not a valid allrecipes.com URL."); 
  System.exit(0); 
//does "web" start with "http://"
//if it doesn't, add it
}

Answer 1

自己解析 HTML 并不是一个好主意。我建议使用 jsoup库，它确实有助于解析和选择元素。

使用 jsoup 时，您的代码可能如下所示:

Document doc = Jsoup.connect(web).get();
Elements title = doc.select("title");

它简洁、可读，如果需要，您可以轻松解析/选择其他元素(例如，更复杂的 css 选择器，如 #recipes > div #recipe-title)