質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.50%
スクレイピング

スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。

Java

Javaは、1995年にサン・マイクロシステムズが開発したプログラミング言語です。表記法はC言語に似ていますが、既存のプログラミング言語の短所を踏まえていちから設計されており、最初からオブジェクト指向性を備えてデザインされています。セキュリティ面が強力であることや、ネットワーク環境での利用に向いていることが特徴です。Javaで作られたソフトウェアは基本的にいかなるプラットフォームでも作動します。

パース

パースとは、一定の文法に従って記述されたテキスト文書を解析し、データ構造の集合体に分解・変換することを呼びます。

HTML

HTMLとは、ウェブ上の文書を記述・作成するためのマークアップ言語のことです。文章の中に記述することで、文書の論理構造などを設定することができます。ハイパーリンクを設定できるハイパーテキストであり、画像・リスト・表などのデータファイルをリンクする情報に結びつけて情報を整理します。現在あるネットワーク上のほとんどのウェブページはHTMLで作成されています。

Q&A

解決済

1回答

4864閲覧

javaでウェブページ上の内部URLリンクの抽出(パース)方法について

HelpfulJp

総合スコア22

スクレイピング

スクレイピングとは、公開されているWebサイトからページ内の情報を抽出する技術です。

Java

Javaは、1995年にサン・マイクロシステムズが開発したプログラミング言語です。表記法はC言語に似ていますが、既存のプログラミング言語の短所を踏まえていちから設計されており、最初からオブジェクト指向性を備えてデザインされています。セキュリティ面が強力であることや、ネットワーク環境での利用に向いていることが特徴です。Javaで作られたソフトウェアは基本的にいかなるプラットフォームでも作動します。

パース

パースとは、一定の文法に従って記述されたテキスト文書を解析し、データ構造の集合体に分解・変換することを呼びます。

HTML

HTMLとは、ウェブ上の文書を記述・作成するためのマークアップ言語のことです。文章の中に記述することで、文書の論理構造などを設定することができます。ハイパーリンクを設定できるハイパーテキストであり、画像・リスト・表などのデータファイルをリンクする情報に結びつけて情報を整理します。現在あるネットワーク上のほとんどのウェブページはHTMLで作成されています。

1グッド

2クリップ

投稿2018/10/21 15:02

編集2018/10/22 09:09

java(jsoupライブラリ付き)でWebページ上の内部URLリンクのみをArrayListとしてまとめて取得したいとき、どうしたらいいですか?
いまコードを書いてみましたがaタグの指定やhrefの値の抜き出し方がさっぱりわかりません。
以下では1~3の順で処理してます。特に3が誤ってる気がしますので訂正お願いします。

1:String型のurlというのがあります。そして、urlに具体的なURLを入れ込みます。

**url="http://site-helpful.blogspot.jp";**

2:ドキュメント型のdにurlのdocumentを代入します。

d=Jsoup.connect(url).get();

3:Elements型のTにaタグ指定しhrefでセレクトしたElementsを代入してます。
※ここが合ってない気がして、さっぱりわかりません。

T=d.getElementsByTag("a").select("[href]");
Madreader👍を押しています

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

回答1

0

ベストアンサー

Elements型はjava.util.ArrayListを継承しているので、下記のようにfor文で個々の要素にアクセスできます。

java

1Elements links = d.getElementsByTag("a").select("[href]"); 2for (Element link : links) { 3 System.out.println(link.toString()); 4}

たとえば、link.toString()が下記のような文字列を出力するとした場合

<a href="https://hoge.com/">fuga</a>

hrefの値を取得するには

java

1link.attr("href") 2// → https://hoge.com/

aタグのテキスト(この例では"fuga")を取得するには

java

1link.text() 2// → fuga

で出来ると思います。

なお、下記の書き方は

java

1Elements links = d.getElementsByTag("a").select("[href]");

次のように書き直すこともできます。

java

1Elements links = d.select("a[href]");

実装に困った場合は、API Referenceを確認すると良いと思います。

投稿2018/10/22 13:16

rubytomato

総合スコア1752

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

HelpfulJp

2018/10/22 23:21

詳しく書き方を教えてくださりありがとうございます。参照法もわかりました。大変助かります。ありがとうございます。
guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.50%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問