私は特定のウェブページを持っており、特定のURLがそれらのウェブページで使用されているかどうかをチェックしたいですか? 37000のWebページがあり、手動でURLを検索すると時間がかかります。私はウェブページからURLを掻き集めるスクリプトを持っています。ウェブページで 'adsbygoogle'キーワードを検索したいのですが、このキーワードを使ってウェブページからURLを検索する方法はわかりません。ここまで私が試したことがあります。クラス名を使用してウェブサイトからスクリプトの特定のスクリプトファイルを抽出する方法
import org.jsoup.Jsoup;
import org.jsoup.helper.Validate;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.IOException;
/**
* Example program to list links from a URL.
*/
public class ListLinks {
public static void main(String[] args) throws IOException {
String url = "url1,url2,..";
print("Fetching %s...", url);
Document doc = Jsoup.connect(url).timeout(10000).get();
Elements links = doc.select("a[href]");
Elements media = doc.select("[src]");
Elements imports = doc.select("link[href]");
Elements scripts = doc.getElementsByTag("script");
for (Element script : scripts) {
System.out.println(script.data());
}
print("\nMedia: (%d)", media.size());
for (Element src : media) {
if (src.tagName().equals("img"))
print(" * %s: <%s> %sx%s (%s)",
src.tagName(), src.attr("abs:src"), src.attr("width"), src.attr("height"),
trim(src.attr("alt"), 20));
else
print(" * %s: <%s>", src.tagName(), src.attr("abs:src"));
}
print("\nImports: (%d)", imports.size());
for (Element link : imports) {
print(" * %s <%s> (%s)", link.tagName(),link.attr("abs:href"), link.attr("rel"));
}
print("\nLinks: (%d)", links.size());
for (Element link : links) {
print(" * a: <%s> (%s)", link.attr("abs:href"), trim(link.text(), 35));
}
}
private static void print(String msg, Object... args) {
System.out.println(String.format(msg, args));
}
private static String trim(String s, int width) {
if (s.length() > width)
return s.substring(0, width-1) + ".";
else
return s;
}
}
私はこのコードを使用しているが、プログラム
<script async src="//pagead2.googlesyndication.com/pagead/js/adsbygoogle.js"></script>
<!-- xxxxx -->
<ins class="adsbygoogle"
style="display:inline-block;width:xxxpx;height:xxxpx"
data-ad-client="ca-pub-3778064616989016"
data-ad-slot="xxxxxx"></ins>
<script>
するとあなたは明確でした:ページに「adsbygoogle.js」が含まれている場合は、スクリプト、src属性、または実際には情報のみが必要ですか? –
「adsbygoogle」というキーワードを含むURLを抽出したいだけです – user3548039