使用jsoup解析网页HTML并提取链接

//得到一个结论，那就是要想得到指定的内容还是有困难的，一般的思路就是得到一个网页的html静态代码，然后再逐步解析。这里基本上可以得到一个网站的所有汉字。
//<P><TD><TR><TBODY><TABLE>     </P></TD></TR></TBODY></TABLE>  
package getgref;
import org.jsoup.Jsoup;
import org.jsoup.helper.Validate;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;
import java.io.IOException;
/** * Example program to list links from a URL. */
public class getcontent {  
public static void main(String[] args) throws IOException
{     
Validate.isTrue(args.length == 0, "http://zhidao.baidu.com/question/9668427.html");  
//这是原始的样子，从main()直接传一个参数过来字符串数组里面就只有一个参数，Validate.isTrue（）
//第一个参数是一个boolean，第二个是一个url的字符串，我们仅仅是测试一下
//Validate.isTrue(args.length == 1, "usage: supply url to fetch"); 
//String url = args[0];
//String url =" http://zhidao.baidu.com/question/9668427.html";
String url ="http://news.china.com.cn/live/2012-12/11/content_17609959.htm"; 
print("Fetching from %s", url);  
//Document doc = Jsoup.parseBodyFragment(html);//html is a string
Document doc = Jsoup.connect(url).get();  
//此页面上的超链接，Elements是产生的都是一些集合
//Use selector-syntax to find elements
Elements links = doc.select("a[href]"); 
//Element links = doc.select("a[href]").first(); 注意是element仅仅是获得第一个超链接元素
//从外面引入的脚本文件，js文件或者是img<link> ：标签定义文档与外部资源的关系。
Elements media = doc.select("[src]"); 
//Elements pngs = doc.select("img[src$=.png]");  // img with src ending .png