使用ParserDelegator查找指定维基链接的流程控制问题求助

核心问题分析 #

你遇到的「Checking children:」未打印的情况，大概率是以下两个原因之一：

1. callback.hasFound()逻辑错误：主页面解析后，hasFound()错误返回true，导致跳过子页面检查分支
2. 代码语法不完整：原代码的try块、if分支及main方法均未闭合，编译或运行时会直接报错，根本执行不到子页面检查逻辑

分步修复方案 #

1. 补全代码基础语法 #

原代码存在语法缺失，先补全所有闭合括号，并添加异常处理避免程序崩溃：

public static void main(String args[]) throws Exception {
    String subject = args[0].replace(" ", "_");
    System.out.println("Searching: " + subject + " - Wikipedia");

    URL url = new URL("https://en.wikipedia.org/wiki/" + subject);

    try {
        BufferedReader in = new BufferedReader(new InputStreamReader(url.openStream()));
        StringBuilder sb = new StringBuilder();
        String input;
        while ((input = in.readLine()) != null) {
            sb.append(input);
        }
        in.close();

        ParserDelegator parser = new ParserDelegator();
        MyParserCallback callback = new MyParserCallback();
        parser.parse(new StringReader(sb.toString()), callback, true);

        // 增加调试输出，确认主页面是否找到目标
        System.out.println("Main page found target: " + callback.hasFound());
        
        if (!callback.hasFound()) {
            System.out.println("Checking children:");

            Set<String> visitedLinks = new HashSet<>();
            visitedLinks.add("/wiki/" + subject);

            for (String href : callback.getVisitedLinks()) {
                if (!visitedLinks.contains(href)) {
                    visitedLinks.add(href);

                    String childUrl = "https://en.wikipedia.org" + href;
                    BufferedReader childIn = new BufferedReader(new InputStreamReader(new URL(childUrl).openStream()));
                    StringBuilder childSb = new StringBuilder();
                    while ((input = childIn.readLine()) != null) {
                        childSb.append(input);
                    }
                    childIn.close();

                    ParserDelegator childParser = new ParserDelegator();
                    MyParserCallback childCallback = new MyParserCallback();
                    childParser.parse(new StringReader(childSb.toString()), childCallback, true);

                    if (childCallback.hasFound()) {
                        System.out.println("Found target in child page: " + href);
                        return;
                    }
                }
            }
        }
    } catch (IOException e) {
        e.printStackTrace();
    }
}

2. 修正MyParserCallback逻辑 #

确保hasFound()能准确识别目标链接，且visitedLinks正确收集子页面链接：

class MyParserCallback extends DefaultHandler {
    private boolean foundTarget = false;
    private Set<String> wikiLinks = new HashSet<>();

    @Override
    public void startElement(String uri, String localName, String qName, Attributes attributes) throws SAXException {
        if ("a".equals(qName)) {
            String href = attributes.getValue("href");
            // 仅收集合法的维基百科子页面链接（排除非内容类链接，如Talk:、File:）
            if (href != null && href.startsWith("/wiki/") && !href.contains(":")) {
                wikiLinks.add(href);
                // 严格匹配目标链接
                if ("/wiki/Geographic_coordinate_system".equals(href)) {
                    foundTarget = true;
                }
            }
        }
    }

    public boolean hasFound() {
        return foundTarget;
    }

    public Set<String> getVisitedLinks() {
        return wikiLinks;
    }
}

注意：原代码直接访问callback.visitedLinks的写法，若成员为私有会报错，需通过getVisitedLinks()方法获取。

3. 调试验证步骤 #

1. 运行时传入Linux作为参数，观察控制台输出的Main page found target: 结果
2. 如果主页面错误返回true，检查MyParserCallback中目标链接的匹配逻辑（是否存在大小写、额外参数等问题）
3. 如果子页面链接为空，检查wikiLinks的收集逻辑是否过滤了合法链接

内容的提问来源于stack exchange，提问作者Tiffany