如何从< div>中提取内容标签java [英] how to extract content from <div> tag java
问题描述
i希望从标记中提取内容，例如：
< div class =main-content> ;
< div class =sub-content>子内容在这里< / div>
主要内容< / div>
我期望的输出是：
这里的子内容
主要内容在这里
我试过使用正则表达式，但结果是那么令人印象深刻。
通过使用：
Pattern.compile（< div>（\\S +）< DIV>中）;
会在第一个< * / div>标记之前返回所有字符串，任何人都可以帮我吗？
我建议避免使用正则表达式来解析HTML。您可以使用 Jsoup 轻松完成您的要求：
public static void main（String [] args）{
String html =< html>< head />< body>< div class = \main-content \ > 中+
< div class = \sub-content \>子内容在这里< / div> +
主要内容< / div>< / body>< / html>;
Document document = Jsoup.parse（html）;
Elements divs = document.select（div）;
for（元div：divs）{
System.out.println（div.ownText（））;
$ / code $ / pre
$ hr
在回应评论时：如果你想把 div 元素的内容放到 String 的数组中，你可以简单地做：
String [] divsTexts = new String [divs.size（）];
for（int i = 0; i< divs.size（）; i ++）{
divsTexts [i] = divs.get（i）.ownText（）;
b
$ b 回应评论：如果你有嵌套元素，并且你想为每个元素获取自己的文本，那么你可以使用jQuery多重选择器语法。下面是一个例子：
public static void main（String [] args）{
String html =< html> ;< head />< body>< div class = \main-content \> +
< div class = \sub-content \> +
< p>段落< b>带有粗体文字< / b>< / p> +
此处的子内容< / div> +
主要内容< / div>< / body>< / html>;
Document document = Jsoup.parse（html）;
Elements divs = document.select（div，p，b）;
for（元div：divs）{
System.out.println（div.ownText（））;
上面的代码将解析以下HTML： p>
< html>
< head />
< body>
< div class =main-content>
< div class =sub-content>
< p>段落< b>加上一些粗体文字< / b>< / p>
此处的子内容< / div>
主要内容< / div>
< / body>
< / html>
并输出以下内容：
<$ p
i have a serious problem.
i would like to extract the content from tag such as:
<div class="main-content">
<div class="sub-content">Sub content here</div>
Main content here </div>
output i would expect is:
Sub content here
Main content here
i've tried using regex, but the result isn't so impressive.
By using:
Pattern.compile("<div>(\\S+)</div>");
would return all the strings before the first <*/div> tag
so, could anyone help me pls?
解决方案 I'd recommend avoiding regex for parsing HTML. You can easily do what you ask by using Jsoup:
public static void main(String[] args) {
String html = "<html><head/><body><div class=\"main-content\">" +
"<div class=\"sub-content\">Sub content here</div>" +
"Main content here </div></body></html>";
Document document = Jsoup.parse(html);
Elements divs = document.select("div");
for (Element div : divs) {
System.out.println(div.ownText());
}
}
In response to comment: if you want to put the content of the div elements into an array of Strings you can simply do:
String[] divsTexts = new String[divs.size()];
for (int i = 0; i < divs.size(); i++) {
divsTexts[i] = divs.get(i).ownText();
}
In response to comment: if you have nested elements and you want to get own text for each element than you can use jquery multiple selector syntax. Here's an example:
public static void main(String[] args) {
String html = "<html><head/><body><div class=\"main-content\">" +
"<div class=\"sub-content\">" +
"<p>a paragraph <b>with some bold text</b></p>" +
"Sub content here</div>" +
"Main content here </div></body></html>";
Document document = Jsoup.parse(html);
Elements divs = document.select("div, p, b");
for (Element div : divs) {
System.out.println(div.ownText());
}
}
The code above will parse the following HTML:
<html>
<head />
<body>
<div class="main-content">
<div class="sub-content">
<p>a paragraph <b>with some bold text</b></p>
Sub content here</div>
Main content here</div>
</body>
</html>
and print the following output:
Main content here
Sub content here
a paragraph
with some bold text
这篇关于如何从< div>中提取内容标签java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！
