我有一个链接列表，其中包含 html 和 xml 页面的链接，如何从列表中提取 xml 链接？在java中
谢谢
最佳答案
您可以使用常见文件扩展名列表来推测给定 URL 中存储的数据类型，但这通常不太可靠，特别是对于 Web 2.0 站点(只需查看此 SO 问题本身的 URL )。此外，到 PHP 脚本 (.php) 或其他动态内容站点的链接可以返回 HTML 或 XML。或者它可能会完全返回其他内容，例如 JPG 文件。
您可以使用许多简单的启发式方法来检测 HTML 与 XML，只需查看文件的开头即可。例如，您可以查找 <!DOCTYPE ...>声明，检查 <?xml ...?>指令，并检查文件是否包含根 <html>标签。当然，这些都应该是不区分大小写的检查。
您还可以尝试根据 MIME type 来识别文件类型(例如，text/html 或 text/xml)。不幸的是，许多服务器返回不正确或无效的 MIME 类型，因此您通常必须读取文件的开头来推测其内容，正如您在下面的 getMimeType() 方法的前两个不充分版本中看到的那样。第三次尝试效果更好，但第三方 MimeMagic 库仍然提供令人失望的结果。不过，您可以使用我之前提到的其他启发式方法来替换或改进 getMimeType() 方法。
package com.example.mimetype;
import java.io.BufferedInputStream;
import java.io.IOException;
import java.io.InputStream;
import java.net.FileNameMap;
import java.net.MalformedURLException;
import java.net.URL;
import java.net.URLConnection;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
import java.util.Map;
import net.sf.jmimemagic.Magic;
import net.sf.jmimemagic.MagicException;
import net.sf.jmimemagic.MagicMatchNotFoundException;
import net.sf.jmimemagic.MagicParseException;
public class MimeUtils {
// After calling this method, you can retrieve a list of URLs for each mimetype.
public static Map<String, List<String>> sortLinksByMimeType(List<String> links) {
Map<String, List<String>> mapMimeTypesToLinks = new HashMap<String, List<String>>();
for (String url : links) {
try {
String mimetype = getMimeType(url);
System.out.println(url + " has mimetype " + mimetype);
// If this mimetype hasn't already been initialized, initialize it.
if (! mapMimeTypesToLinks.containsKey(mimetype)) {
mapMimeTypesToLinks.put(mimetype, new ArrayList<String>());
}
List<String> lst = mapMimeTypesToLinks.get(mimetype);
lst.add(url);
} catch (Exception e) {
// TODO Auto-generated catch block
e.printStackTrace();
}
}
return mapMimeTypesToLinks;
}
public static String getMimeType(String url) throws MalformedURLException, IOException, MagicParseException, MagicMatchNotFoundException, MagicException {
// first attempt at determining MIME type--returned null for all URLs that I tried
// FileNameMap filenameMap = URLConnection.getFileNameMap();
// return filenameMap.getContentTypeFor(url);
// second attempt at determining MIME type--worked better, but still returned null for many URLs
// URLConnection c = new URL(url).openConnection();
// InputStream in = c.getInputStream();
// String mimetype = URLConnection.guessContentTypeFromStream(in);
// in.close();
// return mimetype;
URLConnection c = new URL(url).openConnection();
BufferedInputStream in = new BufferedInputStream(c.getInputStream());
byte[] content = new byte[100];
in.read(content);
in.close();
return Magic.getMagicMatch(content, false).getMimeType();
}
public static void main(String[] args) {
List<String> links = new ArrayList<String>();
links.add("http://stackoverflow.com/questions/10082568/how-to-differentiate-xml-from-html-links-in-java");
links.add("http://stackoverflow.com");
links.add("http://stackoverflow.com/feeds");
links.add("http://amazon.com");
links.add("http://google.com");
sortLinksByMimeType(links);
}
}
关于java - java中如何区分xml和html链接，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/10082568/