从Java中的html页面获取html链接

我正在尝试获取一些html链接（可以包含UTF-8字符，比如俄语aso），并将它们存储在java应用程序中的字符串中。 由于我收到的html页面包含很多错误，我使用了HtmlCleaner，它工作得非常好（顺便说一句）

有了这些干净的html页面，我现在面临一个问题： 我试图用XSL样式表将这些字符串收集到XML文件中，但当我想用dom4j SAXReader读取该文件时失败了，因为仍然存在一些特殊字符（如链接中的参数（&for））

所以我的问题是：获取这些html链接并将其存储在字符串中而不必对其进行36次解析的最简单方法是什么

HTML页面包含一个表。这是一行：

<tr>
<td>1</td>
<td>name</td>
<td>title</td>
<td>3:48</td>
<td align="center"><a href="http://..." target="_blank" rel="nofollow"  ><img src="images/fisher_listen_icon1.gif" width="18" height="18" border=0></a></td>
<td align="center"><a target=_blank rel="nofollow" onclick="loadornot()" href="http://..."><img border=0 width="18" height="18" src="images/d.gif"></a></td>
</tr>

1.
名称
标题
3:48

我想将这一行存储在一个对象中（每个td都是一个属性）

---

谢谢；）

在使用类似

url的代码解析HTML时，请替换符号。替换（&），“&；”

因为您使用的是html，所以IMO最简单的方法就是使用它

例如：

Document doc = Jsoup.parse(html);
Elements links = doc.select("a[href]");

for (Element link : links) {
       System.out.println(link.attr("href"));
}

---

尝试使用Swing或HTMLPasser，如本例所示：

然后你就可以得到

if (tag == Tag.A) {
  String address = (String) attribute.getAttribute(Attribute.HREF);
  list.add(address);
}

---

为什么不直接使用正则表达式并提取href=属性呢？使用正则表达式，您很难跳过注释，以及被特殊标记包围的文本，如

或
CDATA
。