Java 获取 HTML 的特定部分答案

【问题标题】：Java get specific part of HTMLJava 获取 HTML 的特定部分
【发布时间】：2014-05-10 21:56:48
【问题描述】：

我正在循环加载大量 HTML，我试图只提取我需要的部分。

我只需要从下面的 html 中获取“THISISTHEBITIWANT”。

<li class="aClass">
  <a href="example/THISISTHEBITIWANT">example</a>
</li>

<li class="aClass">
  <a href="example/THISISTHEBITIWANT">example2</a>
</li>

每次我只想获取“THISISTHEBITIWANT”，链接中的文字都会改变。我已经查看了字符串替换 - 但由于我不知道每次都会是什么 'example' 或 'example2'，所以我现在只能删除直到 'example/'。

这是我的 Java 代码：

html = inputLine.replace("<li class=\"aClass\"><a href=\"/example/", "");

如果有人可以提供任何建议，将不胜感激！

【问题讨论】：

使用 HTML 解析器，例如 Jsoup
看看这个Java HTML解析器的比较-stackoverflow.com/questions/3152138/…

标签： java html string replace

【解决方案1】：

虽然处理 HTML 的标准方法是使用 HTML 解析库，但正如两个 cmets 所建议的那样，如果您真的只对获得想要的内容感兴趣，使用正则表达式可能就足够了。

import java.util.regex.*;


public class Regular{
    public static void main(String[] args) {
        String original =  "<li class=\"aClass\">\n<a href=\"example/THISISTHEBITIWANT\">example2</a>\n</li>";
        Pattern mypattern = Pattern.compile("<li class=\"aClass\">\\s+<a href=\"example/([^\"]+)\"");
        Matcher matcher = mypattern.matcher(original);
        while (matcher.find()) {
            System.out.println(matcher.group(1));
        }
    }
}

【讨论】：