Java 尝试在web爬网时查找特定链接

我正在修改[crawler4j][1]中给出的代码。我想在抓取网站时找到特定的链接。例如，我正在www.cmu.edu上爬行，并试图获取目录搜索的链接。这是我的密码-

public void visit(Page page) {          
    String url = page.getWebURL().getURL();
//  System.out.println("URL: " + url);

    if (page.getParseData() instanceof HtmlParseData) {
        HtmlParseData htmlParseData = (HtmlParseData) page.getParseData();
        String text = htmlParseData.getText();
        String html = htmlParseData.getHtml();
        System.out.println(html.matches(".*<a href.*."));
        if (html.matches(".*.<a href=.*.>Directory Search</a>.*."))
            System.out.println("***********Hello*********************");
        //  System.out.println("----------"+html);
        return;
//      List<WebURL> links = htmlParseData.getOutgoingUrls();
    }
}

此代码不起作用。我的控制台上没有直升机。为了检查，我在控制台中打印了html字符串，复制了包含目录sreach的锚标记，并编写了以下简单的两行代码-

String test2="<li class=\"first\"><a href=\"http://directory.andrew.cmu.edu/\" title=\"Carnegie Mellon University Faculty, Staff and Student Directory\">Directory Search</a></li>";
System.out.println("*******"+test2.matches(".*.<a href=.*.>Directory Search</a>.*."));

这很有效。字符串test2的值是从控制台复制的。代码的第一部分我做错了什么

试试这个，你必须使用？s来匹配新行字符

String test2="qwert\n\n<li class=\"first\"><a href=\"http://directory.andrew.cmu.edu/\" title=\"Carnegie Mellon University Faculty, Staff and Student Directory\">Directory Search</a></li>";
System.out.println("*******"+test2.matches("(?s).*.<a href=.*.>Directory Search</a>.*."));

---

你确定htmlParseData.getHtml正在返回某些内容吗？@Savanna-是的，它正在返回整个html代码。我确实在控制台上打印了它，并仅从中复制了字符串test2的值。不，真的，只是不要。