如何获取 HTML 文档中的 html 标签

【问题标题】：How can I fetch html tags in a HTML document如何获取 HTML 文档中的 html 标签
【发布时间】：2011-03-01 13:22:53
【问题描述】：

嘿，我想从 html 文档中获取标签。
那就是包含在尖括号内的所有内容，包括尖括号。我怎样才能在 Java 中做到这一点？谢谢

【问题讨论】：

【解决方案1】：

<!-- Read carefully -->
<b><![CDATA[<Everything in angle brackets ("<>") is a tag?>]]></b>

...并使用 html 解析器。

如果您想手动执行此操作，请遍历输入字符并确定每个 < 和 > 是否属于标记元素。需要遵循一些规则（处理指令、cmets、CDATA 内容、属性值中的尖括号（！））。

大多数解析器使用一些 switch/case 模式来评估每个标记（在您的情况下为 char）。

【讨论】：

【解决方案2】：

我最近使用了jsoup。不错的 API，易于使用，到目前为止没有任何问题。甚至不要尝试自己解析 html。请参阅 Andreas_D 答案。

【讨论】：