请叫我峰子：
感受VPS建站的乐趣。
        找回密码
当前位置：峰网博客 > WordPress > WP教程 > 正文

使用正则获取html页面任意标签内容

2016-01-21 分类：WP教程 评论(0)

首先是两个正则表达式：

1.<[^>]+>：这个正则表达式可以匹配所有html标签,可以100%匹配(注意页面编码方式和读取的编码方式)。

2.>[^<]+<：这个可以匹配标签内容，本人对正则不是很熟悉，因而只是简单的将第一个正则表达式反了过来，匹配出来的结果都会带着><，如果有更好的正则表达式，希望可以告诉我。

下面上程序：

[java]

  1. import java.io.BufferedReader;
  2. import java.io.InputStreamReader;
  3. import java.net.URL;
  4. import java.util.regex.Matcher;
  5. import java.util.regex.Pattern;
  7. public class URLTest {
  9.     /**
  10.      * @param args
  11.      * @throws URISyntaxException 
  12.      */
  13.     public static void main(String[] args) throws Exception {
  14.         URL url = new URL(“http://www.ascii-code.com/”);
  15.         InputStreamReader reader = new InputStreamReader(url.openStream());
  16.         BufferedReader br = new BufferedReader(reader);
  17.         String s = null;
  18.         while((s=br.readLine())!=null){
  19.             s = GetLabel(s);
  20.             if(s!=null){
  21.                 System.out.println(s);
  22.             }
  23.         }
  24.         br.close();
  25.         reader.close();
  26.     }
  28.     public static String GetContent(String html) {
  29.         //String html = “<ul><li>1.hehe</li><li>2.hi</li><li>3.hei</li></ul>”;
  30.         String ss = “>[^<]+<“;
  31.         String temp = null;
  32.         Pattern pa = Pattern.compile(ss);
  33.         Matcher ma = null;
  34.         ma = pa.matcher(html);
  35.         String result = null;
  36.         while(ma.find()){
  37.             temp = ma.group();
  38.             if(temp!=null){
  39.                 if(temp.startsWith(“>”)){
  40.                     temp = temp.substring(1);
  41.                 }
  42.                 if(temp.endsWith(“<“)){
  43.                     temp = temp.substring(0, temp.length()-1);
  44.                 }
  45.                 if(!temp.equalsIgnoreCase(“”)){
  46.                     if(result==null){
  47.                         result = temp;
  48.                     }
  49.                     else{
  50.                         result+=“____”+temp;
  51.                     }
  52.                 }
  53.             }
  54.         }
  55.         return result;
  56.     }
  58.     public static String GetLabel(String html) {
  59.         //String html = “<ul><li>1.hehe</li><li>2.hi</li><li>3.hei</li></ul>”;
  60.         String ss = “<[^>]+>”;
  61.         String temp = null;
  62.         Pattern pa = Pattern.compile(ss);
  63.         Matcher ma = null;
  64.         ma = pa.matcher(html);
  65.         String result = null;
  66.         while(ma.find()){
  67.             temp = ma.group();
  68.             if(temp!=null){
  69.                 if(temp.startsWith(“>”)){
  70.                     temp = temp.substring(1);
  71.                 }
  72.                 if(temp.endsWith(“<“)){
  73.                     temp = temp.substring(0, temp.length()-1);
  74.                 }
  75.                 if(!temp.equalsIgnoreCase(“”)){
  76.                     if(result==null){
  77.                         result = temp;
  78.                     }
  79.                     else{
  80.                         result+=“____”+temp;
  81.                     }
  82.                 }
  83.             }
  84.         }
  85.         return result;
  86.     }
  87. }

 

GetContent用来获取标签内容。

GetLabel用来获取标签。

AD：【网站建设更好的企业建站服务商】网站建设找 峰网博客
赞(0) 打赏
转载请注明：峰网博客 » 使用正则获取html页面任意标签内容

请叫我峰子

越努力，越幸运。

推荐阅读

评论 抢沙发

评论前必须登录！

 

Lastest

Member

Catelogs

网站建设

企业专线联系我们

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏