トラックバック先のURLのみ抽出したい(Excite・Sonetにて)

質問

いつもお世話になっています。

以前の「ブログのHTMLからトラックバックをしたブログのURLの抽出」
http://oshiete1.goo.ne.jp/kotaeru.php3?q=1725502
の質問をしたものです。

No.4のご回答を参考にExiteのブログからトラックバック先のURLの抽出するプログラムを
教えていただいたプログラムを以下のように変更し、

class GetTBAddrExcite {

…
Pattern trackBack = Pattern.compile("<A HREF=(http://.+) TARGET=_NEW>");
while((aLine = reader.readLine())!=null){
// if(aLine.indexOf("tb_tab")>=0){
if(aLine.indexOf("<IMG SRC=http://md.exblog.jp/img/eg/ico_comment.gif WIDTH=9 HEIGHT=9>") >=0){
flag=true;
} else {
if(flag && aLine.indexOf("<DIV CLASS=COMMENT_INPUT>")>=0)
…

実行したのですが、(例としてExcite社長の記事http://blog.excite.co.jp/yamamura/2415166/を対象とした)
結果として以下のように帰ってきてしまいました。

http://www.excite.co.jp/exblog/faq/?kind=general&id=6 TARGET=_NEW>繝倥Ν繝?/A></
B>]<BR> </DIV><DIV CLASS=COMMENT_LINE></DIV><DIV CLASS=COMMENT_TAIL><IMG SRC=htt
p://md.exblog.jp/img/eg/ico_comment.gif WIDTH=9 HEIGHT=9> Tracked from <A HREF=
http://example.exblog.jp/1614266 TARGET=_NEW><B>blog 貍ア遏ウ繧オ繝ュ繝ウ 繝ゥ..</B>
</A> at 2005-10-28 09:51</DIV><DIV CLASS=COMMENT_BODY>繧ソ繧、繝医Ν : <A HREF=htt
p://example.exblog.jp/1614266
…

抽出したいのは、http://example.exblog.jp/1614266なのですが、
HTMLの構造上のためか、余計な情報までも抽出してしまいます。(So-netも同じような問題が起きます)

抽出したいURLのみ取得させるには、
プログラムをどのように改正させればいいでしょうか？

よろしくお願いします。

回答No.1

BLUEPIXY · ベストアンサー

So-netは、試してませんけど・
public static String[] getTBAddrExcite(String urlString){
String addr="";
boolean flag=false;
try{
URL url = new URL(urlString);
InputStream input = url.openStream();
BufferedReader reader = new BufferedReader(new InputStreamReader(input));
String aLine;
Pattern trackBack = Pattern.compile("Tracked from <A HREF=(http://.+?) TARGET=_NEW>");
while((aLine = reader.readLine())!=null){
if(aLine.indexOf("<DIV CLASS=COMMENT_LINE>") >=0){
flag=true;
} else {
if(flag && aLine.indexOf("Commented by ")>=0)
break;
}
if(flag==false)
continue;
Matcher m = trackBack.matcher(aLine);
while(m.find()){
addr+=m.group(1)+",";
}
}
reader.close();
input.close();
}
catch(MalformedURLException e){
e.printStackTrace();
}
catch(IOException e){
e.printStackTrace();
}
return addr.split(",");
}

お礼

ご回答ありがとうございました。

無事URLを抽出できました。