Question

如何使用java的正则表达式提取html标签

通过如下的java方法取得了html
public String getHtml(String urlString) {
try {
StringBuffer html = new StringBuffer();
URL url = new URL(urlString);
HttpURLConnection conn = (HttpURLConnection) url.openConnection();
InputStreamReader isr = new InputStreamReader(conn.getInputStream());
BufferedReader br = new BufferedReader(isr);
String temp;
while ((temp = br.readLine()) != null) {
html.append(temp).append("\n");
}
br.close();
isr.close();
return html.toString();
} catch (Exception e) {
e.printStackTrace();
return null;
}
}
我想从中取得html标签"<title>XXXX</title>"中的文字XXXX，请各位高手指点一下，正则表达式应该如何写？ 谢谢啦！！！！！！

Answer 1

import java.util.ArrayList;
import java.util.Iterator;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Test {

    public static void main(String args[]) {
        String html = "<title>ABCD</title>gsdggas<title></title>jkll<title>005</title>";
        // 简单示例，相当于String html=getHtml(String urlString);
        List resultList = getContext(html);
        for (Iterator iterator = resultList.iterator(); iterator.hasNext();) {
            String context = (String) iterator.next();
            System.out.println(context);
        }
    }
    
    /**
     * 提取"<title>XXXX</title>"中的文字XXXX
     * @param html 要解析的html文档内容
     * @return 解析结果，可以多次匹配，每次匹配的结果按文档中出现的先后顺序添加进结果List
     */
    public static List getContext(String html) {
        List resultList = new ArrayList();
        Pattern p = Pattern.compile("<title>([^</title>]*)");//匹配<title>开头，</title>结尾的文档
        Matcher m = p.matcher(html );//开始编译
        while (m.find()) {
            resultList.add(m.group(1));//获取被匹配的部分
        }
        return resultList;
    }
}