java - 扫描并显示网站源代码 Java 中的每个单词

Question

我的任务是扫描网站源代码的内容，并使用分隔符从网站中提取所有超链接并显示它们。经过一番网上搜索后，这是我目前所拥有的:

    import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.MalformedURLException;
import java.net.URL;
import java.util.Scanner;

    public class HyperlinkMain {
public static void main(String[] args) {
    try {
        Scanner in = new Scanner (System.in);
        String URL = in.next();

        URL website = new URL(URL);
        BufferedReader input = new BufferedReader(new InputStreamReader(website.openStream()));
        String inputLine; 

        while ((inputLine = input.readLine()) != null) {
            // Process each line.
            System.out.println(inputLine);
        }
        in.close(); 

    } catch (MalformedURLException me) {
        System.out.println(me); 

    } catch (IOException ioe) {
        System.out.println(ioe);
    }
}

}

所以我的程序可以从网站的源代码中提取每一行并显示它，但实际上我希望它从源代码中提取每个单词而不是每一行。我真的不知道它是如何完成的，因为当我使用 input.read();

时我不断收到错误

Answer 1

有很多用于检索网页的源代码。看Pattern类以了解如何对超链接进行正则表达式文本。通过将超链接提取与网页下载分开进行，您可以将作业视为两个单独的问题。