トラックバック先のURLの抽出でループを避けたい

質問

ブログのトラックバック先のURLを取得するプログラムを作っています。

例えば、ブログAの記事に、B,Cのブログがトラックバックをして
ブログBにブログaが、ブログCにはブログbがトラックバックをしていて、
さらにブログaにはブログ1がトラックバックをしていたとします。

このとき、ブログB,C,a,b,1のURLを取得するプログラムをこちらのご回答を参考にしながら、以下のように作りました。

public class BlogTB {
public static void main(String[] args) {
ArrayList al = new ArrayList();
String url = args[0];
addUrl(al, url);
String[] TBURL = (String[])al.toArray(new String[0]);
for(int i = 0 ; i < TBURL.length ; i++) {
System.out.println(TBURL[i]);
}
}
private static void addUrl(ArrayList al, String url) {
al.add(url);
String[] TBURL = HTMLTB.getHTMLtb(url);
if (TBURL[0].equals("")) return;
for(int i = 0 ; i < TBURL.length ; i++) {
addUrl(al, TBURL[i]);
}
}
}

HTMLTB.getHTMLtbでは、トラックバック先のURLを取得する処理を行い、その一覧をTBURLに格納します。

この操作を再帰的に繰り返して、トラックバック先のURLを取得させています。

ここで、もし上記のケースで、
ブログ1がブログaにトラックバックをしていた場合(トラックバック返し)や、
ブログ1がブログAにトラックバックをしていた場合などでは、
上記のプログラムを走らせると、ループになっていまいます。

登録しようとしているurlがalに既に登録済みかどうかのチェックなど、
重複するURLをTBURLに登録しないようにして、
ループを防ぐためには、プログラムをどのように改正すればいいでしょうか？

よろしくお願いします。

回答No.2

osumitan · ベストアンサー

重複チェックなら、HashSetがいいと思います。
URL登録先をArrayListからHashSetに変えてみました。
addUrlの最初に、URLがすでに登録されているか見て、
登録されていればその先の処理をしないようにしています。
（ただしHashSetを使うと、順序は保証されません）

--------------------------

import java.util.HashSet;
import java.util.Iterator;

public class BlogTB {
　　public static void main(String[] args) {
　　　　HashSet hs = new HashSet();
　　　　String url = args[0];
　　　　addUrl(hs, url);
　　　　Iterator it = hs.iterator();
　　　　while(it.hasNext() == true) {
　　　　　　System.out.println((String)it.next());
　　　　}
　　}

　　private static void addUrl(HashSet hs, String url) {
　　　　if(hs.contains(url) == true) {
　　　　　　return;
　　　　}
　　　　hs.add(url);
　　　　String[] TBURL = HTMLTB.getHTMLtb(url);
　　　　if (TBURL[0].equals("")) return;
　　　　for(int i = 0 ; i < TBURL.length ; i++) {
　　　　　　addUrl(hs, TBURL[i]);
　　　　}
　　}
}

お礼

ご回答ありがとうございます。

ご回答を参考にプログラムを動かし、
無事、ループせずにURLを取得できました。

ところで、HashSetを使うと、順序は保証されないとのことですが、
できれば取得した順序そのままで配列に格納したいのですが、
この場合はどのようにすればいいでしょうか？

回答No.3

BLUEPIXY

>取得した順序そのままで配列に格納したいのですが、
順序が大事な場合、vectorかArrayListに格納してやればいいでしょう。
vectorやArrayListにすでに登録されているかどうかは、indexOfを使って調べることができます。
リストが長くなると、重複登録のチェックに時間がかかるようになるので、登録チェックのためにはHashSetを使うというように混用してもいいかと思います。

お礼

ご回答ありがとうございます。

>vectorやArrayListにすでに登録されているかどうかは、indexOfを使って調べることができます。

>登録チェックのためにはHashSetを使うというように混用してもいいかと思います。

具体的にはどのようにプログラムを組めばよろしいでしょうか？

回答No.1

BLUEPIXY

クラス変数でハッシュなどを使って、登録されていない場合に登録する（＆再帰的に探しに行く）
というような感じすればいいでしょう
例えば、HashSetで
add(E)の返値を調べればハッシュに追加ができたかどうかで
新しく登録できたかどうかがわかります。

お礼

ご回答ありがとうございます。