Wyszukiwanie adresów URL na danej stronie www - regex i readLine

Question

witam,

mam pewien problem, docelowo mam napisac funckje, ktora pobiera ze strony wszystkie adresy URL i emaile i zapisywac je w osobnych kolekcjach.

Na poczatku chcialbym po prostu sprawdzic czy czyta poprawnie napotkane fragmenty i inkrementuje zmienna po kazdym wystapieniu.

Metoda wyglada nastepujaco

    public static void getUrlAndEmail(String url) throws IOException {

        String line;
        int count = 0;
        URL url1 = new URL(url);
        BufferedReader reader = new BufferedReader(new InputStreamReader(url1.openStream()));

        //Pattern p = Pattern.compile("^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[a-zA-Z]{2,}$");
        Pattern p = Pattern.compile("^(https?|ftp|file)://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|]");

        while ((line = reader.readLine()) != null){
            Matcher m = p.matcher(line);
            while(m.find()){
                count++;
            }
            //System.out.println(line);
        }
        System.out.println(count);
    }

Pomimo tego, ze napisany regex dziala poprawnie i strona zawiera maile i URL'e to i tak ich nie wylapuje. 

Nie wiem czy dobrze zrozumialem BufferReadera i regexy dlatego prosze kogos obeznane, czy moglibyscie rzucic okiem i dac znac co jest nie tak ?

Z gory dziekuje  

Answer 1

z poczatku wyrazenia wywal daszek ^

oznacza to ze szukasz od poczatku wiersza czyli

<a href="www.judo-egzamin.pl">asd</a>

Ci nie zlapie bo na poczatku masz a href

Comments

Aaa faktycznie, bo skorzystałem z poprzednich regexów do walidacji pól z formularza :D

Dzięki wielkie ;)