Java 识别与新闻发布页面相关的链接

我的任务是找到一个给定链接的实际新闻稿链接。比如说

我的工具必须从上面的URL中单独查找新闻稿链接，不包括在该站点中找到的其他广告链接、选项卡链接（或其他任何链接）

下面的程序是开发出来的，它给出的结果是，给定网页中存在的所有链接

如何修改下面的程序，从给定的URL单独查找新闻稿链接？ 此外，我希望该程序是通用的，这样它就可以从任何新闻发布URL（如果给定）中识别新闻发布链接

import java.io.*;
import java.net.URL;
import java.net.URLConnection;
import java.sql.*;
import org.jsoup.nodes.Document;
import org.jsoup.Jsoup;
import org.jsoup.nodes.Element; 
public class linksfind{
public static void main(String[] args) {
    try{
         URL url = new URL("http://www.apple.com/pr/");
         Document document = Jsoup.parse(url, 1000); // Can also take an URL.
         for (Element element : document.getElementsByTag("a")) {
             System.out.println(element.attr("href"));}
             }catch (Exception ex){ex.printStackTrace();}
}
}

---

我不认为会有任何明确的方式来实现这一点。您可以创建一组所有可能的关键字，如“press”、“release”和“pr”等，并使用regex等匹配URL以查找关键字。这一正确性将取决于您的关键字集的全面程度。

今天查看该网站。缓存到您看到的任何链接的文件。明天看看这个网站；有没有新的链接是指向新闻文章的链接？你会得到错误的结果-一次-任何时候他们改变你周围的页面的其余部分

---

你可以，你知道，只需使用提供的提要，它被设计为完全满足你的要求。

你需要找到一些定义“新闻发布链接”的属性。对于该站点，指向“/pr/library/”表示它是一个苹果新闻稿。

查看HTML源代码。在普通webbrowser中打开页面，右键单击并选择“查看源”。您必须在HTML文档树中找到一个路径来唯一标识这些链接

它们都位于

元件内的
元件中。相应的CSS选择器将是
“div#releases ul.stories a”

下面是它的外观：

public static void main(String... args) throws Exception {
    URL url = new URL("http://www.apple.com/pr/");
    Document document = Jsoup.parse(url, 3000);
    for (Element element : document.select("div#releases ul.stories a")) {
        System.out.println(element.attr("href"));
    }
}

到目前为止，这会产生您想要的结果：

/pr/library/2010/07/28safari.html
/pr/library/2010/07/27imac.html
/pr/library/2010/07/27macpro.html
/pr/library/2010/07/27display.html
/pr/library/2010/07/26iphone.html
/pr/library/2010/07/23iphonestatement.html
/pr/library/2010/07/20results.html
/pr/library/2010/07/19ipad.html
/pr/library/2010/07/19alert_results.html
/pr/library/2010/07/02appleletter.html
/pr/library/2010/06/28iphone.html
/pr/library/2010/06/23iphonestatement.html
/pr/library/2010/06/22ipad.html
/pr/library/2010/06/16iphone.html
/pr/library/2010/06/15applestoreapp.html
/pr/library/2010/06/15macmini.html
/pr/library/2010/06/07iphone.html
/pr/library/2010/06/07iads.html
/pr/library/2010/06/07safari.html
/pr/library/2010/07/28safari.html
/pr/library/2010/07/27imac.html
/pr/library/2010/07/27macpro.html
/pr/library/2010/07/27display.html
/pr/library/2010/07/26iphone.html
/pr/library/2010/07/23iphonestatement.html
/pr/library/2010/07/20results.html
/pr/library/2010/07/19ipad.html
/pr/library/2010/07/19alert_results.html
/pr/library/2010/07/02appleletter.html
/pr/library/2010/06/28iphone.html
/pr/library/2010/06/23iphonestatement.html
/pr/library/2010/06/22ipad.html
/pr/library/2010/06/16iphone.html
/pr/library/2010/06/15Applestorepa.html
/pr/library/2010/06/15macmini.html
/pr/library/2010/06/07iphone.html
/pr/library/2010/06/07iads.html
/pr/library/2010/06/07safari.html
要了解有关CSS选择器的更多信息，请阅读和。
您的意思是说搜索网站中找到的URL中的关键字并选择它们吗？是的。关键字或关键字组合您没有利用Jsoup的powers.am为非rss提要页面分配此任务。。。因此，寻找解决方案的问题。。。欢迎您提出宝贵的建议。。。如果有..@Anand，那么，在这种情况下，创建您自己的网站，并备份RSS提要，然后解析该网站。如果你选择同时编写一个知识检索引擎和一个推理引擎，那么解决方案就更难了。但这是否适用于所有的网页？？？？？？请告知。我需要一些通用的解决方案。不仅仅是apple.com，HTML解析永远不会是通用的。您最多可以使Java代码动态化，这样您就可以在一些配置文件中得到链接和选择器的映射。注：一个问号就足够表示一个问题了。