Java

XOLOO · Napísal **XOLOO**: 12.03.2013 19:34 | Java

Mám takýto problém :
Mám načítať URL a na danej stránke zistiť a vypísať všetky ďalšie odkazy vynechávajúc odkazy typu mailto: a javascript: číže ak tam bude na stránke niečo takéto :

Kód:

<a href="http://www.pcforum.sk/asrock-extreme-6-vt148466.html#p1377741"><img src="http://www.pcforum.sk/styles/white/imageset/icon_topic_latest.gif" alt="Zobrazenie posledných príspevkov" title="Zobrazenie posledných príspevkov" /></a>

tak z toho vyhrabať každý jeden odkaz typu :

Kód:

http://www.pcforum.sk/asrock-extreme-6-vt148466.html

atď

Nejaký návrh ako to urobiť ? Momentálne som v stave kedy mám celý viditeľný zdrojový kód ktorý načítam po riadkoch do arraylistu ale ďalej neviem. Ako zistiť či sa niekde nachádza http:// a potom vypísať celý link ?

ED: nepotrebujem kontrolovať či niektorý link je živý/ mŕtvy stačí ho vypísať
Vďaka za odpovede

BX · Napísal BX: 12.03.2013 20:36 | Java

Jednoducho sa to dá s regulárnymi výrazmi a objektami Pattern a Matcher. Ak nevieš, čo sú to reg. výrazy, skús si o nich niečo prečítať a ak nepochopíš, buď sa spýtaj tu, alebo skús spôsbo č. 2

Spôsob č. 2:
Nájdeš v strngu indexOf("http://") a potom od tej pozície prechádzaš po znakoch až narazíš na medzeru/úvodzovku. A toto si uložíš.
Podobne môžeš hľadať aj iné odkazy, ktoré nemusia začínať http://, ale napr. www., príp. podľa html tagov src="odkaz"

XOLOO · Napísal autor témy **XOLOO**: 12.03.2013 21:01 | Java

Presne ten názov regulárne výrazy bol spomenutý

Mrknem na to

Prvá otázka na niečo som narazil ako zapísať aby mi to hľadalo tieto výrazy typu :

http://* ? Mám tam niečo nakódené ale vyhľadávami mi to iba http:// presne

XOLOO · Napísal autor témy **XOLOO**: 12.03.2013 21:20 | Java

Okej pohoda na niečo som kápol

Uvažujme nejaký random kód hej :

Kód:

       public static void main(String[] args) {

       // String URL = "https://localhost:8080/sbs/01.00/sip/dreamworks/v/01.00/cui/print/$fwVer/{$fwVer}/$lang/en/$model/{$model}/$region/us/$imageBg/{$imageBg}/$imageH/{$imageH}/$imageSz/{$imageSz}/$imageW/{$imageW}/movie/Kung_Fu_Panda_two/categories/3D_Pix/item/{item}/_back/2?$uniqueID={$uniqueID}";
        String nova = "</div>\n" +
"<div id=\"wrapfooter\">\n" +
"  <br style=\"clear: both;\" />\n" +
"   <span class=\"copyright\">Powered by <a href=\"http://www.phpbb.com/\" target=\"_phpbb\" rel=\"nofollow\">phpBB</a> 3.x.x &copy; 2005 - 2013 <a href=\"http://www.pcforum.sk/\">PCforum</a>, webhosting by <a href=\"http://www.websupport.sk/\" target=\"_websupport\" rel=\"nofollow\">WebSupport</a>, edited by <a href=\"http://jan.fecik.sk/\">JanoF</a> | <a href=\"http://jan.fecik.sk/blog/zivot-studenta-na-vysokej-skole.html\" title=\"Život študenta\"><strong>Život študenta</strong></a></span><br /><br />\n" +
"</div>\n" +
"</td></tr></table>\n" +
"</div>\n" +
"</body>\n" +
"</html>";
        
        Pattern pattern = Pattern.compile(".*http://.*");
        Matcher matcher = pattern.matcher(nova);
        if (matcher.find()) {
            System.out.println(matcher.group(0)); //prints /{item}/
        } else {
            System.out.println("Match not found");
        }


    }

Jeho výstup je :

Kód:

<span class="copyright">Powered by <a href="http://www.phpbb.com/" target="_phpbb" rel="nofollow">phpBB</a> 3.x.x &copy; 2005 - 2013 <a href="http://www.pcforum.sk/">PCforum</a>, webhosting by <a href="http://www.websupport.sk/" target="_websupport" rel="nofollow">WebSupport</a>, edited by <a href="http://jan.fecik.sk/">JanoF</a> | <a href="http://jan.fecik.sk/blog/zivot-studenta-na-vysokej-skole.html" title="Život študenta"><strong>Život študenta</strong></a></span><br /><br />

Je to celkom nepriehľadné ale teoreticky celkom krok vpred

teraz by som z toho chcel vyseparovať len linky samotne :loony:

BX · Napísal BX: 12.03.2013 21:23 | Java

Skús niečo ako

Kód:

Pattern.compile("http://[^ \\"]+")

XOLOO · Napísal autor témy **XOLOO**: 12.03.2013 21:27 | Java

To je nejaký divný pattern ktorý mi ani neprejde

BX · Napísal BX: 12.03.2013 21:30 | Java

Tak asi tam mám naviac ten backslash, daj
Pattern.compile("http://[^ \"]+")

XOLOO · Napísal autor témy **XOLOO**: 12.03.2013 21:36 | Java

Ah teraz to prešlo

Už iba zdrojový kód podelím do array listu a skúsim to pre celý web

XOLOO · Napísal autor témy **XOLOO**: 12.03.2013 21:43 | Java

Okej už to beží aj :

Kód:

http://www.phpbb.com/

http://www.pcforum.sk/

http://www.websupport.sk/

http://jan.fecik.sk/blog/zivot-studenta-na-vysokej-skole.html

Díky moc

Java

Java

Podobné témy

Rozdiel medzi Java Standard a Java EE

dobre java navody a nova tema JAVA

JAVA - java.lang.NullPointerException

Java

java

JAVA

JAVA

JAVA

Java

Java

java

I:java

Java builder

JAVA - vstup

Java casovac

Java hry