java - 解析java字符串中的 anchor 标记

标签 java html parsing arraylist

我正在创建一个网络爬虫，我只是读取页面的 html 并将其存储到字符串中。然后，我在 html 中找到了所有 anchor 标记，并将它们存储到名为anchorTags 的ArrayList 中。我现在需要获取数组列表中每个字符串的“a href=”部分。为此，我编写了以下代码；但是，由于某种原因，我收到了越界异常。请注意，我需要仅使用循环、数组列表来执行此操作:

ArrayList<String> parsedLinks = new ArrayList<String>();
    String storeHTML = "";

    for(int i = 0; i < anchorTags.size(); i++) {
        String anchorTag = anchorTags.get(i);
        int hrefIndex = anchorTag.indexOf("a href=");

        if (hrefIndex > -1) {



            int beginQuote = anchorTag.indexOf("\"", hrefIndex);

            int EndQuote = anchorTag.indexOf("\"", beginQuote +1);

            if (EndQuote > beginQuote) {
                storeHTML.substring(beginQuote +1, EndQuote);

            }


        }
    }
    parsedLinks.add(storeHTML);
    System.out.println(parsedLinks);
    return parsedLinks;


}

最佳答案

不应该

storeHTML.substring(beginQuote +1, EndQuote);

是

storeHTML =anchorTag.substring(beginQuote +1, EndQuote); ?

关于java - 解析java字符串中的 anchor 标记，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/23096881/