从java中的html文件中检索文本答案

【问题标题】：Retrieve text from html file in java从java中的html文件中检索文本
【发布时间】：2012-03-26 18:02:21
【问题描述】：

我想从java中的html文件中获取文本

我的html 文件是：

<body>

<p>vishal</p>
<strong>patel</strong>
<bold >vishal patel

我想这样输出

vishal 

patel

vishal patel

请帮帮我怎么做

【问题讨论】：

你想从网络上的 html 文件中读取它，而不是你应该使用下面的教程docs.oracle.com/javase/tutorial/networking/urls/…
否则确实使用 XmlParser。顺便说一句，你没有结束标签
检查jsoup
jsoup 可以帮助您提取它，但不能帮助您渲染它。虽然发现了这个：lobobrowser.org/cobra.jsp

标签： java

【解决方案1】：

最好使用html Parser....我更喜欢使用JSoup parser(opensource package)....

import org.jsoup.Jsoup;
public class HTMLUtils {

    public static String extractText(Reader reader) throws IOException {
        StringBuilder sb = new StringBuilder();
        BufferedReader br = new BufferedReader(reader);
        String line;
        while ((line = br.readLine()) != null) {
            sb.append(line);
        }
        String textOnly = Jsoup.parse(sb.toString()).text();
        return textOnly;
    }

    public final static void main(String[] args) throws Exception {
        FileReader reader = new FileReader("C:/RealHowTo/topics/java-language.html");
        System.out.println(HTMLUtils.extractText(reader));
    }
}

【讨论】：

【解决方案2】：

我使用了一个名为 JSoup 的库。
从 HTML 文件中检索纯文本部分非常简单。
很简单：

Jsoup.parse(html).text();

为您提供 HTML 文件中的文本

【讨论】：

我想要三个不同的文本，以便我存储在字符串数组中但是 jsoup 只给我一个文本...
@user1206635 哥们，你得自己试试。
@user1206635 JSoup 为您提供文本，您必须完成其余的工作。 Nishant，为你 +1！
@Vishal Android 开发人员 JSoup 有许多选择器来处理标签。您可以参考页面jsoup.org/cookbook/extracting-data/selector-syntax 来检查最适合您的。