jsoup - 如何在java中使用Regex获取像facebook这样的页面元(标题，描述，图像)附加网址

Question

如何在 .java 中使用 Regex 获取页面元数据(标题、描述、图像)，例如 facebook 附加 url

Answer 1

这是一个片段，它读取网页并构建一小块 HTML 来显示 Open Graph 图像，并在右侧环绕图像的标题。如果缺少 OG 标签，它会回退到仅使用 html 标题，因此它可以代表所有网页。

public static String parsePageHeaderInfo(String urlStr) throws Exception {

    StringBuilder sb = new StringBuilder();
    Connection con = Jsoup.connect(urlStr);

    /* this browseragant thing is important to trick servers into sending us the LARGEST versions of the images */
    con.userAgent(Constants.BROWSER_USER_AGENT);
    Document doc = con.get();

    String text = null;
    Elements metaOgTitle = doc.select("meta[property=og:title]");
    if (metaOgTitle!=null) {
        text = metaOgTitle.attr("content");
    }
    else {
        text = doc.title();
    }

    String imageUrl = null;
    Elements metaOgImage = doc.select("meta[property=og:image]");
    if (metaOgImage!=null) {
        imageUrl = metaOgImage.attr("content");
    }

    if (imageUrl!=null) {
        sb.append("<img src='");
        sb.append(imageUrl);
        sb.append("' align='left' hspace='12' vspace='12' width='150px'>");
    }

    if (text!=null) {
        sb.append(text);
    }

    return sb.toString();       
}