HTMLからのリンクの抽出

Question

HTMLからリンクを抽出しようとしています。私は次の正規表現を使用しています

href=\"([^\"]*)\" 

これは、不要なリンクを抽出しています。私は正規表現で

<a href="http://users.elite.net/runner/jennifers/hello.htm" class="l"> 
<a href="http://www.hellodesign.com/" class="l"> 
<a href="http://www.ipl.org/div/hello/" class="l"> 

Answer 1

解析HTMLのようにクラス=「L」とのリンクのみを抽出する正規表現を書くことができますどのように不必要にovercomplicatedです。正規表現は仕事の間違ったツールです。 Jsoupのような通常のHTMLパーサを使用してください。通常の方法でHTML要素を選択することができますCSS selectors。

Document document = Jsoup.parse(html); 
Elements links = document.select("a.l"); // Select all <a class="l"> elements. 

for (Element link : links) { 
    System.out.println(link.absUrl("href")); 
}