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

import java.io.*;

import java.net.*;
import java.util.regex.*;

class GetTBAddrYAHOO {
//トラックバックされているアドレスを抜き出す
public static String[] getTBaddrYAHOO(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("<a href=\"(http://.+)\" target=_blank>");
while((aLine = reader.readLine())!=null){
// if(aLine.indexOf("tb_tab")>=0){
if(aLine.indexOf("<tr id=\"tb_tab\" style=\"display:block\">") >=0){
flag=true;//ここからマッチングテスト開始
} else {
if(flag && aLine.indexOf("<td class=\"sub_bg\">")>=0)
break;//上記が表れたら、該当エリア終わり、処理止め
}
if(flag==false)
continue;//該当エリアまで、読み飛ばし
Matcher m = trackBack.matcher(aLine);
if(m.find()){
addr+=m.group(1)+",";
}
}
reader.close();
input.close();
}
catch(MalformedURLException e){
e.printStackTrace();
}
catch(IOException e){
e.printStackTrace();
}
return addr.split(",");
}
public static void main(String[] args){
String[] TBaddr = getTBaddrYAHOO("http://blogs.yahoo.co.jp/****/13882500.html");
for(int i=0;i<TBaddr.length;i++)
System.out.println(TBaddr[i]);
TBaddr = getTBaddrYAHOO("http://blogs.yahoo.co.jp/****/archive/2005/10/19 …
for(String addr : TBaddr)
System.out.println(addr);
}
}

正規表現は詳しくないので、他の方にお譲りします。

まずは、参考までに下記を・・
http://java.sun.com/developer/technicalArticles/ …

http://www.atmarkit.co.jp/fjava/javatips/108java …

http://homepage2.nifty.com/tokushima/java/core/r …

http://www.hellohiro.com/regex.htm

http://634.ayumu-baby.com/javawork/re2.html

http://www.moriwaki.net/wiki/index.php?[[%C0%B5%B5%AC%C9%BD%B8%BD]]

ざっとこんなところが参考になるでしょうか？
リンク抽出とかで検索すればもっとでてくるかもしれません。
また、Perl等の正規表現もおなじような感じなので、そちらを参考にされてもいいとおもいます。

javascriptや独自タグが入っているときは動作するかどうか未確認ですが、（多分おもったように抽出できないのではと・・）

http://blog.goo.ne.jp/example/1234
から＜A＞タグのHREFからURLを抽出するばあいですが、

URLクラスのインスタンス作成。
URL url = new URL("http://blog.goo.ne.jp/example/1234
");
InputStreamReader クラスのインスタンスを作成。
InputStreamReader in = new InputStreamReader(url.openStream());

javax.swing.text.html.parser.ParserDelegator
クラスのインスタンスを作成。

parseメソッドを使用。
APIを参照してください。

Readerには先ほど作成したinを指定してやればいいです。
booleanにはtrueを指定してやればいいのかな？？
HTMLEditorKit.ParserCallbackはHTMLEditorKit.ParserCallbackクラスをextendsした
無名クラスを作成してやって、つまり、
new HTMLEditorKit.ParserCallback(){}と記述してやります。
handleStartTagメソッドの中に、
HTML.Tag tがHTML.Tag.Aの場合、
MutableAttributeSet aから、
a.getAttribute(HTML.Attribute.HREF);
してやるという記述をすれば、HREFからURLが抽出できるのではないかと・・

ただ、冒頭にも書きましたが、独自タグや、
Javascriptが入った場合などはうまく動作してくれないとおもいますので、この方法でやるとかえって遠回りになります。

正規表現などで抽出するのがいいかもしれません。

target=_blankがある<a～>というだけでは、本文中のリンクが該当してしまうので、うまくないと思います。

<tr id="tb_tab" style="display:block">
以降で検索するとか
ライブドアで言えば
<a class="atrackback-post"であるリンクとか
もう少し条件を限定できるようにした方がいいかと思います。