获取html标签之间的文本答案

【问题标题】：get text between html tags获取html标签之间的文本
【发布时间】：2010-01-18 18:48:20
【问题描述】：

可能重复：RegEx matching HTML tags and extracting text

我需要获取 html 标记之间的文本，例如 <p></p> 或其他。我的模式是这样的

Pattern pText = Pattern.compile(">([^>|^<]*?)<");

任何人都知道一些更好的模式，因为它不是很有用。我需要它来索引网页中的内容。

谢谢

【问题讨论】：

【解决方案1】：

SO 即将降临在你身上。但是让我先说，不要使用正则表达式来解析 HTML。 Here 是 Java HTML 解析器的列表。环顾四周，直到找到适合您的 API 并改用它。

【讨论】：

【解决方案2】：

您似乎正在尝试在负集内使用 | 运算符，这既不工作也不需要。只需指定您不想匹配的字符：

Pattern pText = Pattern.compile(">([^<>]*?)<");

【讨论】：

【解决方案3】：

解析 HTML 时不要使用正则表达式。

请改用XPath（如果您的 HTML 格式正确）。您可以使用text() 函数非常轻松地引用文本节点。

【讨论】：