Java 如何使用ApacheTika（和XPath）解析随机HTML页面

我是蒂卡的新手，一直在努力理解它。 我想要实现的是提取HTML页面（可以是任何网页）的链接href

对于试用版，我只是尝试使用XPath提取链接（甚至是第一个链接）。但我永远都做不好，处理器总是空的。 （在本例中，我删除了

XHTML:

namspace位，因为否则我会出现SAX错误）

下面是代码示例。非常感谢您的帮助：）

我找到了一个答案（至少是为了让某些东西起作用，即使还没有最终版本，我也从处理程序那里得到了一些东西）。 答案是

XPathParser xhtmlParser = new XPathParser ("xhtml", XHTMLContentHandler.XHTML);
org.apache.tika.sax.xpath.Matcher anchorLinkContentMatcher = xhtmlParser.parse("//body//a");
ContentHandler handler = new MatchingContentHandler(
    new ToXMLContentHandler(), anchorLinkContentMatcher);

HtmlParser parser = new HtmlParser();
Metadata metadata = new Metadata();
ParseContext pcontext      = new ParseContext();
try {
    parser.parse(urlContentStream, handler, metadata,pcontext);
    System.out.println(handler);
}
catch (Exception e)
{
....
}