Question

求帮忙制作一个JAVA HTMLParser Extractor解析器类 从HTML中提取所需要的信息

要提取的信息通用格式如下，一共需要提取六个信息（标题中的）书名、作者、出版社、出版时间、书号ISBN还有价格。
<title>《口译二阶段备考训练（附光盘）》陶伟 主编_简介_书评_在线阅读-当当图书</title>
<div class="show_info_left">作 者</div>
<div class="show_info_right"><a href="http://search.dangdang.com/?key2=%CC%D5%CE%B0&medium=01&category_path=01.00.00.00.00.00"; name="__infodetail_pub" target="_blank" class="c_green">陶伟</a> 主编</div>
</div>
<div class="clearfix m_t6">
<div class="show_info_left">出 版 社</div>
<div class="show_info_right"><a href="http://search.dangdang.com/?key=&key3=%CD%AC%BC%C3%B4%F3%D1%A7%B3%F6%B0%E6%C9%E7&medium=01&category_path=01.00.00.00.00.00"; name="__infodetail_pub" target="_blank" class="c_green">同济大学出版社</a></div>
</div>
<div class="clearfix m_t6">
<div class="show_info_left">出版时间</div>
<div class="show_info_right"></div>
</div>
<div class="clearfix m_t6">
<div class="show_info_left">ISBN</div>
<div class="show_info_right">9787560836096</div>
</div>

<div class="show_info_left">定 价</div>
<div class="show_info_right">
<i class="m_price"><em class="td_lh">¥ <span id="originalPriceTag">40.00</span></em></i></div>
如果有困难的话告诉我怎么做也行，任务紧，我来不及仔细学习正则表达式还有HTMLParser了，所以求助各位大大，真的谢谢你们了！

Answer 1

正则表达式：<title>《(?<bookName>[\w\W]+?)》[\w\W]+?作 者[\w\W]+?name="__infodetail_pub" target="_blank" class="c_green">(?<作者>[\w\W]+?)</a> 主编</div>[\w\W]+?出 版 社[\w\W]+?name="__infodetail_pub" target="_blank" class="c_green">
(?<出版社>[\w\W]+?)</a></div>[\w\W]+?出版时间[\w\W]+?<div class="show_info_right">(?<出版时间>[\w\W]*?)</div>[\w\W]+?ISBN<div class="show_info_right">(?<ISBN>[\w\W]*?)</div>

Answer 2

试试jsoup，可以像jquery那样去获取你要的数据

追问

嗯，我试试，不过，谢谢你啊！