Android：提取两个 HTML 标签之间的文本

Question

我需要提取两个 HTML 标记之间的文本并将其存储在一个字符串中。我要解析的 HTML 示例如下：

<div id=\"swiki.2.1\"> THE TEXT I NEED </div>

我在Java 中使用(swiki\.2\.1\\\")(.*)(\/div) 模式完成了这项工作，并从组$2 中获取了我想要的字符串。但是，这在android中不起作用。当我去打印 $2 的内容时，什么都没有出现，因为匹配失败。

有没有人在 android 中使用正则表达式时遇到过类似的问题，或者是否有更好的方法（非正则表达式）首先解析 HTML 页面。同样，这在标准的 java 测试程序中运行良好。任何帮助将不胜感激！

Answer 1

对于 HTML-parsing-stuff，我总是使用 HtmlCleaner：http://htmlcleaner.sourceforge.net/

非常棒的库，可以很好地与 Xpath 和 Android 一起使用。 :-)

这显示了如何从 URL 下载 XML 并解析它以从 XML 属性中获取特定值（也在文档中显示）：

public static String snapFromHtmlWithCookies(Context context, String xPath, String attrToSnap, String urlString,
                    String cookies) throws IOException, XPatherException {
            String snap = "";

            // create an instance of HtmlCleaner
            HtmlCleaner cleaner = new HtmlCleaner();

            // take default cleaner properties
            CleanerProperties props = cleaner.getProperties();

            props.setAllowHtmlInsideAttributes(true);
            props.setAllowMultiWordAttributes(true);
            props.setRecognizeUnicodeChars(true);
            props.setOmitComments(true);

            URL url = new URL(urlString);

            HttpURLConnection connection = (HttpURLConnection) url.openConnection();
            connection.setDoOutput(true);

            // optional cookies
            connection.setRequestProperty(context.getString(R.string.cookie_prefix), cookies);
            connection.connect();

            // use the cleaner to "clean" the HTML and return it as a TagNode object
            TagNode root = cleaner.clean(new InputStreamReader(connection.getInputStream()));

            Object[] foundNodes = root.evaluateXPath(xPath);

            if (foundNodes.length > 0) {
                    TagNode foundNode = (TagNode) foundNodes[0];
                    snap = foundNode.getAttributeByName(attrToSnap);
            }

            return snap;
    }

只需根据您的需要对其进行编辑。 :-)