crawler4j 无法识别页面上的所有链接

Question

基本上我遇到了一个问题，即 crawler4j 无法识别页面上的所有链接。

例如，页面上存在 5 个链接，其中只有 3 个被识别并因此被提取。其余 2 甚至不被识别。

预期的输出是什么？你看到了什么？ 应识别页面中的所有链接，以便获取它们

您使用的是什么版本的产品？ crawler4j 4.1

请在下面提供任何其他信息。 我在无法识别的链接中发现的唯一区别是这些链接中有尖括号。

例如。

<a title="some text" href="http://www.example.com/abc/xyz-<sometext>-abc-xyz/abc_xyz" >some text</a>

Answer 1

是的，这似乎是 crawler4j 页面解析器中的一个错误。

它找到标签，然后搜索右括号 - 这是我假设的失败点。

请向新的 crawler4j 站点提交问题 - 在 github 上： https://github.com/yasserg/crawler4j/issues

谢谢