java如何提取 https页面上的所有内容
1个回答
推荐于2016-01-20
展开全部
public static void main(String[] args){
String s = "<div id=\"hao_my_like\" monkey=\"cool\"><b><a href=\" http://www.hao123.com/templ.html\">我喜欢的网站:</a></b><span></span></div>";
Pattern pattern = Pattern.compile("<a .*href=(['\"])(.*)\\1>(.*)</a>",Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher(s);
while(matcher.find()){
System.out.println(matcher.group());
System.out.println(matcher.group(2));
System.out.println(matcher.group(3));
}
}
就这个,上面打印的第二行就是链接,第三行就是文字
补充:
Pattern pattern = Pattern.compile("<a .*href=(['\"])(.*)\\1>(.*)</a>",Pattern.CASE_INSENSITIVE);
这个改为
Pattern pattern = Pattern.compile("<a .*href=(['\"])(.*)\\1.*>(.*)</a>",Pattern.CASE_INSENSITIVE);
更能适应一般情况
String s = "<div id=\"hao_my_like\" monkey=\"cool\"><b><a href=\" http://www.hao123.com/templ.html\">我喜欢的网站:</a></b><span></span></div>";
Pattern pattern = Pattern.compile("<a .*href=(['\"])(.*)\\1>(.*)</a>",Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher(s);
while(matcher.find()){
System.out.println(matcher.group());
System.out.println(matcher.group(2));
System.out.println(matcher.group(3));
}
}
就这个,上面打印的第二行就是链接,第三行就是文字
补充:
Pattern pattern = Pattern.compile("<a .*href=(['\"])(.*)\\1>(.*)</a>",Pattern.CASE_INSENSITIVE);
这个改为
Pattern pattern = Pattern.compile("<a .*href=(['\"])(.*)\\1.*>(.*)</a>",Pattern.CASE_INSENSITIVE);
更能适应一般情况
推荐律师服务:
若未解决您的问题,请您详细描述您的问题,通过百度律临进行免费专业咨询