如何使用Java Jsoup从网页提取图片的精确URL

我想要从网页中提取图片的URL，相关区域的HTML结构如下：

<span class="news-img" style="background-image:url(https://theaddressofimage"></span>

我使用的代码如下：

Document pages = Jsoup.connect(url).get(); 
System.out.println(""+pages.select("span[style]"));

当前输出的是完整的HTML元素，但我期望仅获取图片URL，而非整个元素；我也尝试过使用attr()或absUrl()方法，但没有效果！请问如何才能仅提取出URL？

嘿，我懂你的困扰——之前的方法不管用，是因为图片URL并没有存在单独的属性（比如src或者href）里，而是嵌套在style属性的字符串内容中，absUrl()这类方法自然没法直接识别到它。咱们换个思路，先拿到style的内容，再从中把URL抠出来就行：

解决方案代码示例 #

Document pages = Jsoup.connect(url).get();
// 精准选中目标span（用class+style属性筛选，避免误选其他元素）
Element targetSpan = pages.selectFirst("span.news-img[style]");

if (targetSpan != null) {
    // 获取style属性的完整字符串
    String styleContent = targetSpan.attr("style");
    
    // 用正则表达式匹配url()里的内容
    Pattern urlPattern = Pattern.compile("url\\((.*?)\\)");
    Matcher matcher = urlPattern.matcher(styleContent);
    
    if (matcher.find()) {
        // 提取出URL，顺便去掉可能存在的引号（有些网站会写url("xxx")或url('xxx')）
        String imgUrl = matcher.group(1).replaceAll("[\"']", "");
        System.out.println("提取到的图片URL：" + imgUrl);
    } else {
        System.out.println("未找到图片URL");
    }
} else {
    System.out.println("未找到目标span元素");
}

简单解释下原理： #

1. 先通过selectFirst("span.news-img[style]")精准定位到目标元素，比只选span[style]更靠谱，不会拿到其他无关的带style的span；
2. 用attr("style")获取到整个style属性的文本内容；
3. 正则表达式url\((.*?)\)专门匹配url()括号里的内容，.*?是非贪婪匹配，能准确捕获到URL；
4. 最后用replaceAll("[\"']", "")去掉URL可能带的单引号或双引号，得到纯净的地址。

之前你试的absUrl()方法，是用来处理像src、href这种直接存储URL的属性的，对嵌套在style里的URL不适用，所以才没效果哦～

内容的提问来源于stack exchange，提问作者Estergon