我想从以下内容中提取<a: href>和</a: href>之间的字符串：
<a: href> https://0.0.0.1/abcd/openthis.pdf </a: href>
使用StringTokenizer、split或scanner
我正在尝试将StringTokenizer与<a: href>和</a: href>一起用作分隔符，但它不起作用。我试图逃离<、>和:，但这似乎不是问题所在。我的猜测是，它不会接受一个单词或短语作为分隔符。
您可以试试Regex。
试试这个正则表达式>s+(.*?)s+<'。
请记住一件事，regex解决方案只有在您提取了这个字符串的情况下才能工作
< a: href > https://0.0.0.1/abcd/openthis.pdf < /a: href>
通常使用html parsers从相应的html代码中提取文本。
以下是不应该使用regex解析HTML的原因。
我会试试htmlclean。
HTMLCleaner是一个Java库，用于安全地解析web上的任何HTML并将其转换为格式良好的XML。它设计得小巧、快速、灵活且独立。HtmlCleaner可以在java代码中用作命令行工具或Ant任务。解析的结果是轻量级的文档对象模型，它可以很容易地转换为DOM或JDom等标准，或者以各种方式序列化为XML输出（紧凑、漂亮的打印等等）。
您可以使用XPath和htmlclean来获取xml/html标记中的内容。这是一个不错的
示例Xpath示例