Question

如何获取网页源代码中标签信息的内容

Answer 1

楼主可以试试我写的这个例子：

import java.io.BufferedReader;
import java.io.InputStreamReader;
import java.net.URISyntaxException;
import java.net.URL;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
  
public class URLTest {
  
    /**
     * @param args
     * @throws URISyntaxException 
     */
    public static void main(String[] args) throws Exception {
        URL url = new URL("http://www.ascii-code.com/");
        InputStreamReader reader = new InputStreamReader(url.openStream());
        BufferedReader br = new BufferedReader(reader);
        String s = null;
        while((s=br.readLine())!=null){
            s = GetContent(s);
            if(s!=null){
                System.out.println(s);
            }
        }
        br.close();
        reader.close();
    }
      
    public static String GetContent(String html) {
        //String html = "<ul><li>1.hehe</li><li>2.hi</li><li>3.hei</li></ul>";
        String ss = ">[^<]+<";
        String temp = null;
        Pattern pa = Pattern.compile(ss);
        Matcher ma = null;
        ma = pa.matcher(html);
        while(ma.find()){
            temp = ma.group();
            if(temp!=null){
                if(temp.startsWith(">")){
                    temp = temp.substring(1);
                }
                if(temp.endsWith("<")){
                    temp = temp.substring(0, temp.length()-1);
                }
                if(!temp.equalsIgnoreCase("")){
                    //System.out.println(temp);
                    return temp;
                }
            }
        }
        return null;
    }
}