Question

请教如何使用java从html内容中提取指定信息

有如下网页中内容HTML：
<div id="bdshare" log-set-param="view_sharetop" class="bdshare_t bds_tools get-codes-bdshare bk_share log-set-param" data="{'url':'http://baike.baidu.com/view/582.htm','text':'【NBA_百度百科】NBA（全称National Basketball Association,中央主持人一般会叫:美职篮），是一个国际体育及媒体集团，由三个职业体育联盟组成：美国及加拿大职业篮球联盟（NBA）、美国女子职业篮球联盟（WNBA）以及NBA发展联盟（NBA Development League）。其中NBA是世界上水平最高的篮球联赛、美国四大职业体育联赛之一。超过60.....（分享自@百度百科）','pic':''}">

在使用HTML Parser 进行解析时，已知其id="bdshare"，如何取得其中 http://baike.baidu.com/view/582.htm' 这个字段内容。
非常感谢。。。。
即希望取得红色箭头指向的蓝色区域。。。
求救。。

Answer 1

File input = new File("/tmp/input.html");
Document doc = Jsoup.parse(input, "UTF-8", "IP");
看看这个代码，调用 doc.text() 方法即可。

Answer 2

使用 Jsoup这个处理 html的库

Document doc = Jsoup.parseBodyFragment("<class>123<br> <class>acx<br> <class>a12a<br>");
String text = doc.select("class").first().text(); // 123 acx a12a

Answer 3

正则表达是可以满足你