我是否只检查带有此java代码的URL链接？

我有一个方法，可以接收URL并查找该页面上的所有链接。 然而，我担心的是，如果它只是采取的链接，当我检查链接是否工作，有些链接似乎奇怪。 例如，如果我在www.google.com上查看链接，我会得到6个断开的链接，它们不返回http状态码，而是说断开的链接没有“协议”。 我无法想象谷歌的主页上会有任何断开的链接。 其中一个断开链接的示例是：/preferences？hl=en 我在谷歌主页上看不到这个链接。 我很好奇我是否只检查了链接，或者我是否可能提取了不应该是链接的代码

以下是检查URL链接的方法：

public static List getLinks(String uriStr) {

    List result = new ArrayList<String>();
    //create a reader on the html content
    try{
        System.out.println("in the getlinks try");
    URL url = new URI(uriStr).toURL();
    URLConnection conn = url.openConnection();
    Reader rd = new InputStreamReader(conn.getInputStream());

    // Parse the HTML
    EditorKit kit = new HTMLEditorKit();
    HTMLDocument doc = (HTMLDocument)kit.createDefaultDocument();
    kit.read(rd, doc, 0);

    // Find all the A elements in the HTML document
    HTMLDocument.Iterator it = doc.getIterator(HTML.Tag.A);
    while (it.isValid()) {
        SimpleAttributeSet s = (SimpleAttributeSet)it.getAttributes();

        String link = (String)s.getAttribute(HTML.Attribute.HREF);
        if (link != null) {
                // Add the link to the result list
                System.out.println(link);
            //System.out.println("link print finished");
            result.add(link);
        }
        //System.out.println(link);
        it.next();
    }
    }

公共静态列表getLinks（字符串uriStr）{
列表结果=新建ArrayList（）；
//在html内容上创建一个阅读器
试一试{
System.out.println（“在getlinks中尝试”）；
URL=新URI（uriStr.toURL（）；
URLConnection conn=url.openConnection（）；
Reader rd=新的InputStreamReader（conn.getInputStream（））；
//解析HTML
EditorKit=新的HTMLEditorKit（）；
HTMLDocument doc=（HTMLDocument）kit.createDefaultDocument（）；
套件读取（rd，doc，0）；
//查找HTML文档中的所有A元素
HTMLDocument.Iterator it=doc.getIterator（HTML.Tag.A）；
while（it.isValid（））{
SimpleAttributeSet s=（SimpleAttributeSet）it.getAttributes（）；
字符串链接=（字符串）s.getAttribute（HTML.Attribute.HREF）；
如果（链接！=null）{
//将链接添加到结果列表
System.out.println（链接）；
//System.out.println（“链接打印完成”）；
结果。添加（链接）；
}
//System.out.println（链接）；
it.next（）；
}
}

您返回的链接没有问题

查看您的代码，您正在提取

href

属性，在您的示例中，该属性来自元素：

<a  class=gbmt href="/preferences?hl=en">Search settings</a>

---

如果url是相对的，您只需要调整代码来预先设置方法的参数。

谢谢，我知道您的意思，我只是不知道如何编码。如果（link！=uriStr+the href）将url添加到链接的前面。类似这样的操作吗？我会这样做：

如果（！“http.”regionMatches（true，0，link，0，4））{link=uriStr+link；}

。这样你就不必担心区分大小写的链接或少于4个字符的HREF。不必感到抱歉。很高兴能提供帮助：）所以它工作正常，但我输入的url遇到了问题。这是错误消息：java.lang.NullPointerException在java.lang.String.regionMatches的线程“main”java.lang.NullPointerException中出现异常（String.java:1196）在LinkChecker.getLinks（LinkChecker.java:129）在LinkChecker.main（LinkChecker.java:43）如果

link

为

null

，则会发生这种情况。如果（link！=null&&！“http.regionMatches（true，0，link，0，4）），则始终可以将条件更改为

…

啊，好的，链接是空的。谢谢，我不明白这个问题。

http://www.google.com/preferences?hl=en