Question

JAVA中如何用正则表达式匹配一个新闻网页中的新闻正文？

。。。。 <div id="article_content" class="article_content"> 。。。。。。（新闻内容）</div>。。。。。
刚好匹配这个对div之间的内容，并且把其他HTML元素删掉

Answer 1

首先，要确定新闻内容中，是否含有“</div>”标签，如果含有，那么单纯的正则是无法实现的，因为，正则无法确定标签的配对情况，只能通过程序是实现。
若不含有，正则倒是可以，用：
public static void main(String[] args) {
String html = "";//抓取到的网页内容
Pattern patt = Pattern.compile("<div id=\"article_content\" class=\"article_content\">(.*?)</div>");
Matcher matc = patt.matcher(html);
if(matc.find()){
String temp=matc.group(1).replaceAll("<.*?>","");//获取新闻，且去除所有标签
System.out.println(temp);
}
}

Answer 2

String pattern = "article_content\u0022>(.+?)<\\/div>";