如何在Java中提取网页文本内容? [英] how to extract web page textual content in java?

问题描述

我正在寻找一种使用jdk或其他库从网页(最初为html)提取文本的方法.请帮助

i am looking for a method to extract text from web page (initially html) using jdk or another library . please help

谢谢

推荐答案

使用

Use a HTML parser if at all possible; there are many available for Java.

或者您可以像许多人一样使用正则表达式.但是，通常不建议这样做，除非您进行的处理非常简单.

Or you can use regex like many people do. This is generally not advisable, however, unless you're doing very simplistic processing.

• Java HTML解析
• 哪种HTML解析器最好?
• 有没有好的Java HTML解析器?
• 对Java HTML解析器/编辑器的建议
• 您建议在Java中使用哪种HTML解析库

• Java HTML Parsing
• Which Html Parser is best?
• Any good Java HTML parsers?
• recommendations for a java HTML parser/editor
• What HTML parsing libraries do you recommend in Java

文本提取:

• 从HTML Java提取文本
• 使用Java html解析器提取文本

• Text Extraction from HTML Java
• Text extraction with java html parsers

标签剥离:

• 在Java中剥离HTML标记
• 如何剥离HTML属性，但"
中的src"和"alt"
• 从Java字符串中删除HTML

• Stripping HTML tags in Java
• How to strip HTML attributes except "src" and "alt" in JAVA
• Removing HTML from a Java String

这篇关于如何在Java中提取网页文本内容?的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！