java - 仅识别与新闻稿页面相关的链接

Question

我的任务是找到给定链接的实际新闻稿链接。说http://www.apple.com/pr/例如。

我的工具必须从上述 URL 中单独查找新闻稿链接，排除在该网站中找到的其他广告链接、选项卡链接(或其他内容)。

开发了下面的程序，给出的结果是给定网页中存在的所有链接。

如何修改以下程序以从给定 URL 单独查找新闻稿链接？另外，我希望该程序是通用的，以便它可以识别来自任何新闻稿 URL 的新闻稿链接(如果给定)。

import java.io.*;
import java.net.URL;
import java.net.URLConnection;
import java.sql.*;
import org.jsoup.nodes.Document;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Element; 
public class linksfind{
public static void main(String[] args) {
    try{
         URL url = new URL("http://www.apple.com/pr/");
         Document document = Jsoup.parse(url, 1000); // Can also take an URL.
         for (Element element : document.getElementsByTag("a")) {
             System.out.println(element.attr("href"));}
             }catch (Exception ex){ex.printStackTrace();}
}
}

Answer 1

我认为没有任何明确的方法可以实现这一目标。您可以创建一组所有可能的关键字，例如“press”、“release”和“pr”等，并使用正则表达式等匹配网址以查找关键字。其正确性取决于您的关键字集的全面程度。