Question

我再用jsoup写爬虫时，想要获取页面的所有子链接代码如下：

import java.io.File;
import java.io.IOException;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.select.Elements;
import org.jsoup.Connection.*;
public class Teste{
public static void main(String[] args){
try {
Document doc = Jsoup

.connect("http://news.sina.com.cn/")

.userAgent(
"Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.2.15)")

.timeout(5000)
.get();
Elements hrefs = doc.select("a[href]");
System.out.println(hrefs);

} catch (IOException e) {
e.printStackTrace();
}
}
}
运行结果如图：

但是我只想要网址，对于其他的字符都不要。例如www.hsu.cn

Answer 1

这样就可以啦！！！

import java.io.IOException;

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

public class Teste {
public static void main(String[] args) {
try {
Document doc = Jsoup.connect("http://news.sina.com.cn/")
.userAgent("Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.2.15)")
.timeout(5000).get();
Elements hrefs = doc.select("a[href]");
for(Element elem:hrefs){
System.out.println(elem.attr("abs:href"));
}
} catch (IOException e) {
e.printStackTrace();
}
}
}