Question

我有一个严重的问题。我想从标签中提取内容，例如：

<div class="main-content">
    <div class="sub-content">Sub content here</div>
      Main content here </div>

我期望的输出是：

此处的子内容
主要内容

我尝试过使用正则表达式，但结果并不那么令人印象深刻。使用：

Pattern.compile("<div>(\\S+)</div>");

会在第一个＆lt; * / div＆gt;之前返回所有字符串标签
所以，有人可以帮我吗？

Answer 1

我建议避免使用正则表达式来解析HTML。您可以使用Jsoup轻松完成您的要求：

public static void main(String[] args) {
    String html = "<html><head/><body><div class=\"main-content\">" +
            "<div class=\"sub-content\">Sub content here</div>" +
            "Main content here </div></body></html>";
    Document document = Jsoup.parse(html);
    Elements divs = document.select("div");
    for (Element div : divs) {
        System.out.println(div.ownText());
    }
}

回复评论：如果您想将div元素的内容放入String的数组中，您只需执行以下操作：

    String[] divsTexts = new String[divs.size()];
    for (int i = 0; i < divs.size(); i++) {
        divsTexts[i] = divs.get(i).ownText();
    }

回应评论：如果你有嵌套元素，并且你想为每个元素获得自己的文本，那么你可以使用jquery多选择器语法。这是一个例子：

public static void main(String[] args) {
    String html = "<html><head/><body><div class=\"main-content\">" +
            "<div class=\"sub-content\">" +
            "<p>a paragraph <b>with some bold text</b></p>" +
            "Sub content here</div>" +
            "Main content here </div></body></html>";
    Document document = Jsoup.parse(html);
    Elements divs = document.select("div, p, b");
    for (Element div : divs) {
        System.out.println(div.ownText());
    }
}

上面的代码将解析以下HTML：

<html>
<head />
<body>
<div class="main-content">
<div class="sub-content">
<p>a paragraph <b>with some bold text</b></p>
Sub content here</div>
Main content here</div>
</body>
</html>

并打印以下输出：

Main content here
Sub content here
a paragraph
with some bold text

Answer 2

<div class="main-content" id="mainCon">
    <div class="sub-content" id="subCon">Sub content here</div>
 Main content here </div>

如果您想获得您提到的结果

，请从此代码中获取

使用document.getElementById("mainCon").innerHTML它会在此处提供主要内容以及子div，但您会解析该内容。

同样，对于sub-div，您可以使用上面的代码片段，即document.getElementById("subCon").innerHTML

如何从<div>标记java </div>中提取内容

2 个答案: