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
此处的主要内容
我尝试过使用regex,但结果并不那么令人印象深刻。通过使用:
Pattern.compile("<div>(\S+)</div>");
将返回第一个</div>标签
那么,有人能帮我吗?
我建议在解析HTML时避免使用regex。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,您可以简单地执行:
String[] divsTexts = new String[divs.size()];
for (int i = 0; i < divs.size(); i++) {
divsTexts[i] = divs.get(i).ownText();
}
回复注释:如果您有嵌套的元素,并且希望为每个元素获得自己的文本,那么可以使用jquery多选符语法。这里有一个例子:
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
<div class="main-content" id="mainCon">
<div class="sub-content" id="subCon">Sub content here</div>
Main content here </div>
从这个代码,如果你想得到你提到的的结果
使用document.getElementById("mainCon").innerHTML
,它将在此处提供主内容以及子div,但您可以解析该内容。
类似地,对于sub-div,您可以使用上面的代码snippet,即document.getElementById("subCon").innerHTML