提取锚文本周围的单词

Question

我需要帮助使用java代码来提取围绕html内容的锚文本的一些单词。特别是锚文本之前和之后（两侧）的七个单词（包括HTMl块级元素和标点符号）

Answer 1

您可以使用regular expression。

Answer 2

您想从href创建新的URL（）并仅获取主机部分吗？看看这堂课。

要查找锚点并获取href属性，我推荐杰里科图书馆。当我需要解析HTML / XML样本并且不需要XML验证时，我总是使用它。它快速且易于使用，并且在项目页面上有很多示例。