jsoup - 如何在java中使用Regex获取页面元（标题，描述，图像），如facebook附加url

Question

如何使用 .java 中的正则表达式获取页面元（标题、描述、图像），如 facebook 附加 url

Answer 1

这是一个读取网页并构建一小块 HTML 的片段，它将显示 Open Graph 图像，右侧的标题环绕图像。如果缺少 OG 标签，它会退回到仅使用 html 标题，因此它可以代表所有网页。

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 提到的，使用JSoup

例子：

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"));
}

此代码未经测试，希望对您有所帮助。

使用 RegEx 抓取文档是个坏主意，请在 Coding Horror 上阅读

Answer 3

这个怎么样？下面的语句解析所有以“og：”开头的标签。这很有用。

doc.select("元[属性^=og:]")

void parseOGTag(String response) {
    // Parse og tags
    Document doc = Jsoup.parse(response);
    Elements ogTags = doc.select("meta[property^=og:]");
    if (ogTags.size() <= 0) {
        return;
    }

    // Set OGTags you want
    String title;
    String desc;
    String image;
    for (int i = 0; i < ogTags.size(); i++) {
        Element tag = ogTags.get(i);

        String text = tag.attr("property");
        if ("og:image".equals(text)) {
            image = tag.attr("content");
        } else if ("og:description".equals(text)) {
            desc = tag.attr("content");
        } else if ("og:title".equals(text)) {
            title = tag.attr("content");
        }
    }                    
}

Answer 4

我使用JSOUP来获取一个Document对象，然后使用类似下面的方法来获取我正在寻找的每个属性的标签。

String findTag(Document document, String property) {
    String tag = null;
    String cssQuery = "meta[property='og:" + property + "']";
    Elements elements = document.select(cssQuery);

    if (elements != null && elements.size() >= 1) {
        tag = elements.first().attr("content");
    }
    return tag;
}

我经常使用它来决定将获取（使用 JSOUP）和解析组合到一个名为ogmapper的库中。