如何从链接列表中删除“＃”链接

Question

我正在使用JSoup列出网页上的所有链接，但在运行第一个程序后，我立即注意到所有空链接或自链接（href="#"）。于是，我就用下面的代码删除这些：

if (link != "" && link != "#" && link != "/") { 
    links.add(link); 
} 

但是由于某种原因，仅过滤掉""和"/"链接。我认为这与隐形角色有关，但我无法弄清楚。在我的控制台中显示的所有链接都是#。

有没有人知道发生了什么事？

Answer 1

你比较字符串错误的方式，

这里是修复：

if ("".equals(link) && "#".equals(link) && "/".equals(link)) { 
links.add(link); 

}

Answer 2

您可以过滤掉以＃或为空或包含所有链接仅在选择查询期间/例如

document.select("a:not([href^=#])").select("a[href~=^/?[^/]+]"); 

这相当于选择所有未使用＃开始标签元件，并且可以与启动/但在这种情况下，他们不能只包含/

在这里你可以找到一个样本Groovy脚本我准备测试 - https://gist.github.com/wololock/719985e6c48f40f8935f Java代码几乎相同，只记得一下;在每一行的结尾处并改变为“to”。这个例子展示了如何提取所有的链接，而不需要进一步的过滤。