java - 使用 URL 动态获取标题和描述

Question

我需要动态获取 URL 的标题和描述。我需要使用什么才能做到这一点？

以以下 URL 为例:http://en.wikipedia.org/wiki/Stack_overflow

我需要提取 URL 的图 block 及其描述。您更喜欢如下所示的 jsoup 提取吗？

url.select("title");

如果是，如何提取url的描述？

Answer 1

我认为你需要一个像 Jericho 这样的 HTML 解析器。

看一下这个例子: http://jericho.htmlparser.net/samples/console/src/ExtractText.java

特别是这两种方法:

private static String getTitle(Source source) {
    Element titleElement=source.getFirstElement(HTMLElementName.TITLE);
    if (titleElement==null) return null;
    // TITLE element never contains other tags so just decode it collapsing whitespace:
    return CharacterReference.decodeCollapseWhiteSpace(titleElement.getContent());
}

private static String getMetaValue(Source source, String key) {
    for (int pos=0; pos<source.length();) {
        StartTag startTag=source.getNextStartTag(pos,"name",key,false);
        if (startTag==null) return null;
        if (startTag.getName()==HTMLElementName.META)
            return startTag.getAttributeValue("content"); // Attribute values are automatically decoded
        pos=startTag.getEnd();
    }
    return null;
}