在Java中解析字符串的开始和结束答案

【问题标题】：Parsing a string for a start and end in Java在Java中解析字符串的开始和结束
【发布时间】：2012-12-12 00:54:15
【问题描述】：

我根本找不到任何关于我需要为 Java 字符串执行的解析类型的文档。

所以，这不是用行或逗号之类的简单解析，而是要复杂一些。

我的程序抓取了一个网页的源代码，我需要解析它以获得视图标签的内容。

类似于解析它之间的内容

<input name="sid" type="hidden" value="

和

" />

所以，如果网页有这个字符串：

<input name="sid" type="hidden" value="stringvaluehere" />

它会输出

stringvaluehere

有人可以帮忙吗？我根本没有找到任何关于此类的文档，并且在其他来源处四处询问也无济于事。

谢谢！

【问题讨论】：

为什么？抓取网页几乎总是比它的价值更麻烦。
您可以尝试使用 java xml 解析器。看看javax.xml.parsers.SAXParser中的saxparser

标签： java string parsing webpage

【解决方案1】：

您可以为此使用库，例如 JSoup。这通常比尝试手动解析 DOM 容易得多。

Document doc = Jsoup.connect("http://www.example.com").get();
Elements inputs = doc.select("input#sid");
for(Element input : inputs) {
    System.out.println(input.attr("value"));
}

简单易用，重要的是易于阅读。

【讨论】：

哦，哇，这看起来非常简单。非常感谢您的帮助，从现在开始，我很可能会使用该库来处理此类事情！
哦，还有一个问题：获取输入值的“#sid”部分似乎不起作用。当我将其保留为普通输入时，它会转储页面上的所有输入值。您知道是否有任何方法可以通过名称或其他方式将其缩小到一个值？我尝试了所有我能想到的方法，但我在网上也找不到。
抱歉，刚刚看到您的评论！上面认为您使用的 ID 为 sid，但实际上您使用的是名称属性。如果您使用 ID，则可以使用带有井号（井号）的选择器，但如果您想使用名称，则应使用 input[name=sid]。请注意，为了获得良好的可访问性，input 元素也应该都使用 ID。（例如<label for="foo">Test</label><input id="foo" name="bar"/> — bar 将是传递的命名参数，但foo ID 会将其与其标签相关联）。有关更多 CSS 选择器，请参阅 jsoup.org/apidocs/org/jsoup/select/Selector.html。

【解决方案2】：

如果你想解析 HTML，我建议使用 HTML 解析器而不是使用字符串操作。将文档解析为字符串只是在遇到意外的奇怪输入时提出问题。

这个问题讨论了一些潜在的 Java HTML 解析器：Java HTML Parsing

【讨论】：

谢谢！我很可能会使用 JSoup 库，但这个链接仍然非常有用。

【解决方案3】：

如果页面是格式良好的 XML，您可以为此目的使用 XPATH 查询语言。它比低级别正则表达式匹配更清洁。或者一些现有的用于解析 HTML 的库。

【讨论】：

【解决方案4】：

这有点笨拙，可能有一个非常酷且古怪的正则表达式可以做得更好，但是...

String value = "<input name=\"sid\" type=\"hidden\" value=\"stringvaluehere\" />";
value = value.substring(value.indexOf("value=\"") + "value=\"".length());
value = value.substring(0, value.indexOf("\""));
System.out.println(value);

打印stringvaluehere

更新

另一种方法是将 HTML 文本视为 XML，并使用 XML 解析器查找元素的属性。虽然听起来很复杂，但它是一个更简单的解决方案，尤其是当您倾向于解析多个网页时。

jsoup 和 Cobra 可能有两个解决方案

【讨论】：

感谢那个代码片段，是的，我一直在想会有一些奇怪的正则表达式哈哈。不过现在已经全部完成了，感谢 JSoup 的推荐！