100分求解答：我想解析一个html页面，把把所有的超连接得到？

Question

读html然后解析得出"<a href="和">"之间的内容,
可以用个递归写个函数来求.

Answer 1

<img ...>中也有
<mailto:...>,<telnet...>不知道算不算
js中也可能隐含超链接，这个不好找

Answer 2

刚写的，还可用，没过滤重复的url
import java.io.*;
import java.net.*;
import java.util.*;
import java.util.regex.*;public class GetURL {
public GetURL() {
}

public ArrayList parse(URL url) throws IOException {
//找出<和>之间的部分，用正则表达式得到对应的超链接
InputStream in = url.openStream();
StringBuffer sb = new StringBuffer();
int ch;
boolean flag = false;
Pattern pattern = Pattern.compile("href=\"?([\\w:.\\/?!@#&]+)\"?");
//match frame,img
Pattern pattern1 = Pattern.compile("src=\"?([\\w:.\\/?!@#&]+)\"?");
ArrayList urls = new ArrayList(10);
while ((ch=in.read())!=-1) {
if (ch=='<') {
flag = true;
continue;
}
if (ch=='>') {
flag = false;
Matcher matcher = pattern.matcher(sb.toString());
if (matcher.find()) {
String s = matcher.group(1);
urls.add(s);
}
else {
matcher = pattern1.matcher(sb.toString());
if (matcher.find()) {
url.add(matcher.group(1));
}
}
sb.setLength(0);
continue;
}
if (flag) {
sb.append((char)ch);
}
}
return urls;
}

public static void main(String[] args) throws Exception{
GetURL get = new GetURL();
URL url = new URL("http://www.bit.edu.cn/");
ArrayList urls = get.parse(url);
Iterator iterator = urls.iterator();
while (iterator.hasNext()) {
String s = (String)iterator.next();
System.out.println(s);
}
}
}

Answer 3

我以前看到过实现这个功能的javascript你到网上搜索，javascript教程，肯定有实现这个功能的简单函数，或本身js就有这样的函数。。