在java中更正解析的URL答案

【问题标题】：correcting parsed URLs in java在java中更正解析的URL
【发布时间】：2012-07-29 11:59:08
【问题描述】：

我正在创建一个 HTML 解析器，它从给定的 URL 获取 HTML，找到导航菜单 html，并将其放入字符串中。 HTML 中被复制到字符串中的 URL 需要添加部分 URL（“www.stackoverflow.com”部分）。我怎样才能在字符串中找到现有的 URL 并将缺少的部分添加到其中以便它们工作。

String 中的 URL 格式为：

<a href="/qestions/11744851.cfm">

我需要将它们做成以下形式：

<a href="www.stackoverflow.com/questions/11744851.cfm">

【问题讨论】：

字符串中的 URL 格式为“”，我需要将其设为 "
你用什么Java代码在网站上阅读？
URL page = new URL("stackoverflow.com"); URLConnection connection = page.openConnection(); 然后我尝试用 subString.replaceAll("

标签： java url html-parsing

【解决方案1】：

尝试将此正则表达式与ReplaceAll() 方法一起使用：

str = subString.replaceAll("<a href=\"(.*)\">", "<a href=\"http://www.stackoverflow/$1\">");

【讨论】：

【解决方案2】：

如果 XHTML 是有效的 XML，最简单的方法是将其解析为 XML 并使用 XPath（例如 /body/div/a@href ，其中 /body/div 是 HTML 中菜单部分的路径。还有一个叫做 HTMLParser (http://htmlparser.sourceforge.net/) 的项目，你可能想尝试一下（根据页面，它有“链接提取，用于抓取网页或收集电子邮件地址” ; 但我从来没有使用过它，所以我帮不上什么忙）。另一方面，如果 HTML 不是有效的，您可能想要使用 http://ccil.org/~cowan/XML/tagsoup/ - 在我们尝试过的网站上，它可能有效，也可能无效。

编辑：在找到有趣的部分后，可以使用简单的连接来添加缺失的部分

【讨论】：