java - 识别 HTML 源代码中的 RSS 链接

Question

有没有办法从 HTML 文本代码中识别 RSS 链接。我需要用 JAVA 编码来从 HTML 源代码中提取此链接，但我找不到不同网站如何将其 RSS 链接嵌入到 Web 的 HTML 代码中的单一方法。有些网站使用“type=application/rss+xml”，但并非所有网站都使用“type=application/rss+xml”，例如 discovery.com 和 cnn.com。有什么方法可以为任何网站编码吗？

Answer 1

我暂时解决了我的问题，但如果有人能告诉我更简洁和高效的代码，我将不胜感激。我认为我的代码效率不高，它只是一个大循环来解决小问题。我的第一部分代码取自 user911236 在 stackoverflow 上的帖子。

我的代码:

公共(public)静态字符串RSSLinkRetriever(字符串url) {

    String rssUrl = "";    
    try{
          Document doc = Jsoup.connect(url).get();

          Elements links = doc.select("link[type=application/rss+xml]");
          if (links.size() > 0) {
              rssUrl = links.get(0).attr("abs:href").toString();
          }
          else if(rssURLNews(url) != ""){

            rssUrl = rssURLNews(url);
          }
          else if(rssURLrss(url) != "")
              rssUrl = rssURLrss(url);
          else{
                rssUrl = "No URL found";
            }
        }
        catch (IOException ex) {
          Logger.getLogger(RSSReader.class.getName()).log(Level.SEVERE, null, ex);
        }

        return rssUrl;

}

公共(public)静态字符串rssURLNews(字符串网址){

    Document doc;
    String str = "";
    try {
        doc = Jsoup.connect(url).get();

        // get all links
        Elements links = doc.select("a[href]");
        for (Element link : links) {
            if(link.text().equals("News")){
                str = RSSLinkRetriever(link.attr("href"));
            }
         }

    } catch (IOException e) {
        e.printStackTrace();
    }
    return str;
}

公共(public)静态字符串rssURLrss(字符串url) {

    Document doc;
    String str = "";
    try {
        doc = Jsoup.connect(url).get();

        // get all links
        Elements links = doc.select("a[href]");
        for (Element link : links) {
            if(link.text().equals("RSS")){
                str = link.attr("href");
            }
         }

    } catch (IOException e) {
        e.printStackTrace();
    }
    return str;
}