如何在java中使用Regex获取像facebook这样的页面元素(标题,描述,图像)附加URL

Question

如何在.java中使用Regex获取像facebook这样的页面元素(标题,描述,图像)

Answer 1

这是一个片段,它读取一个网页并构建一小部分HTML,它将显示Open Graph图像,右边的Title包围图像.如果缺少OG标签,它会回退到仅使用html标题,因此它可以表示所有网页.

public static String parsePageHeaderInfo(String urlStr) throws Exception {

    StringBuilder sb = new StringBuilder();
    Connection con = Jsoup.connect(urlStr);

    /* this browseragant thing is important to trick servers into sending us the LARGEST versions of the images */
    con.userAgent(Constants.BROWSER_USER_AGENT);
    Document doc = con.get();

    String text = null;
    Elements metaOgTitle = doc.select("meta[property=og:title]");
    if (metaOgTitle!=null) {
        text = metaOgTitle.attr("content");
    }
    else {
        text = doc.title();
    }

    String imageUrl = null;
    Elements metaOgImage = doc.select("meta[property=og:image]");
    if (metaOgImage!=null) {
        imageUrl = metaOgImage.attr("content");
    }

    if (imageUrl!=null) {
        sb.append("<img src='");
        sb.append(imageUrl);
        sb.append("' align='left' hspace='12' vspace='12' width='150px'>");
    }

    if (text!=null) {
        sb.append(text);
    }

    return sb.toString();       
}

Answer 2

正如Ishikawa Yoshi所提到的,使用JSoup

例:

Document doc = Jsoup.connect("http://example.com/").get()
for(Element meta : doc.select("meta")) {
    System.out.println("Name: " + meta.attr("name") + " - Content: " + meta.attr("content"));
}

这段代码未经测试,希望对此有所帮助.

使用RegEx来抓取文档是一个坏主意,请在Coding Horror上阅读