如何使用javax.swing.text.html从HREF标记获取完整/绝对链接？

我试图获取网站中的链接，并将它们放在

列表中

，但我经常在没有根站点的情况下获取不完整的链接。例如，我得到了类似于

/thing.html/

的东西，而不是

http://website.com/thing.html/

它是一个搜索引擎，所以我也需要解析网站的链接，我需要完整的链接才能做到这一点

我也不允许使用任何第三方库，比如JSoup，这就是为什么我要使用

javax.swing.text.html

来实现这一点

我认为您可以使用Jsoup执行类似于

anchor.attr（“abs:href”）

的操作，这与我在这里需要的东西是一样的

以下是我目前掌握的代码：

import java.util.List;
import java.util.ArrayList;
import java.net.*;
import java.io.*;

import javax.swing.text.html.parser.ParserDelegator;
import javax.swing.text.html.HTMLEditorKit.ParserCallback;
import javax.swing.text.html.HTML.Tag;
import javax.swing.text.html.HTML.Attribute;
import javax.swing.text.MutableAttributeSet; 

public class PARSER {

public static List<String> getLinks(BufferedReader BuffRead) throws IOException {
final ArrayList<String> list = new ArrayList();

ParserDelegator parserDelegator = new ParserDelegator();
ParserCallback parserCallback = new ParserCallback() {
  public void handleText(final char[] data, final int pos) { }
  public void handleStartTag(Tag tag, MutableAttributeSet attribute, int pos) {
    if (tag == Tag.A) {
      String address = (String) attribute.getAttribute(Attribute.HREF);
              //This is where I get the HREF "links" 
      list.add(address);
    }
  }
  public void handleEndTag(Tag t, final int pos) {  }
  public void handleSimpleTag(Tag t, MutableAttributeSet a, final int pos) { }
  public void handleComment(final char[] data, final int pos) { }
  public void handleError(final java.lang.String errMsg, final int pos) { }
};
parserDelegator.parse(BuffRead, parserCallback, false);
return list;
}

import java.util.List；
导入java.util.ArrayList；
导入java.net。*；
导入java.io.*；
导入javax.swing.text.html.parser.ParserDelegator；
导入javax.swing.text.html.HTMLEditorKit.ParserCallback；
导入javax.swing.text.html.html.Tag；
导入javax.swing.text.html.html.Attribute；
导入javax.swing.text.MutableAttributeSet；
公共类解析器{
公共静态列表getLinks（BufferedReader BuffRead）引发IOException{
最终ArrayList=新ArrayList（）；
ParserDelegator ParserDelegator=新的ParserDelegator（）；
ParserCallback ParserCallback=新的ParserCallback（）{
public void handleText（final char[]数据，final int pos）{}
public void handleStartTag（标记标记、可变属性集属性、int-pos）{
if（tag==tag.A）{
字符串地址=（字符串）attribute.getAttribute（attribute.HREF）；
//这是我获取HREF“链接”的地方
列表。添加（地址）；
}
}
public void handleEndTag（Tag t，final int pos）{}
public void handleSimpleTag（标记t，可变属性集a，final int pos）{}
public void handleComment（final char[]data，final int pos）{}
public void handleError（final java.lang.String errMsg，final int pos）{}
};
parse（BuffRead，parserCallback，false）；
退货清单；
}
< /代码> 第一：考虑不要在CapsLoop[<代码> >解析器< /代码>或<代码> MyParser < /代码>中写入您的类名，起始资本充足；

如果你只在一个网站上爬行，可能会找到很多相对链接。通常在内部使用它们，对于相对链接，你得到的结果是正确的。你知道你正在解析的网站上有外部链接吗

我不知道在什么环境下调用解析器，但如果只调用
Parser.getLinks（someBuffer）
在不知道您正在解析的网站的情况下，您只剩下找到的链接。如果您正在解析在线网站，只需添加基本url即可。由于您知道您现在所在的网站，您可以传递url并将其添加到相对链接：

methodInterface看起来是这样的

public static List<String> getLinks(BufferedReader BuffRead, String baseUrl) throws IOException 

问候

if (tag == Tag.A) {
  String address = (String) attribute.getAttribute(Attribute.HREF);
  //if(!address.startsWith("http"))  should work too as a primitive absolute link 
  //often starts with "http" as protocol
  if(address.startsWith("/")||address.startsWith("..")){
    address = baseUrl + address;
  }  
  list.add(address);
}