jsoup - javaで正規表現を使用してFacebookの添付URLのようなページメタ（タイトル、説明、画像）を取得する方法

Question

.javaで正規表現を使用してFacebookの添付URLのようなページメタ（タイトル、説明、画像）を取得する方法

Answer 1

以下は、Web ページを読み取り、Open Graph 画像を表示する HTML の小さなチャンクを構築するスニペットです。タイトルは画像を右に囲みます。OG タグが欠落している場合は、html タイトルのみを使用するようにフォールバックするため、すべての Web ページを表すことができます。

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

石川ヨシが言及したように、JSoupを使用してください

例：

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"));
}

このコードはテストされていません。これがお役に立てば幸いです。

ドキュメントのスクレイピングに RegEx を使用するのは良くない考えです。Coding Horrorでそれについて読んでください。

Answer 3

これはどう？以下のステートメントは、「og:」で始まるすべてのタグを解析します。便利です。

doc.select("メタ[プロパティ^=ログ:]")

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");
        }
    }                    
}