java 正则表达式匹配html

Question

解决方案: 这有效:

String p="<pre>[\\\\w\\\\W]*</pre>";

我想匹配并捕获

标记的封闭内容 尝试了以下方法，不起作用，出了什么问题？

String p="<pre>.*</pre>";

        Matcher m=Pattern.compile(p,Pattern.MULTILINE|Pattern.CASE_INSENSITIVE).matcher(input);
        if(m.find()){
            String g=m.group(0);
            System.out.println("g is "+g);
        }

Answer 1

正则表达式实际上是 not正确的工具。使用解析器。 Jsoup是一个不错的。

Document document = Jsoup.parse(html);
for (Element element : document.getElementsByTag("pre")) {
    System.out.println(element.text());
}

顺便说一句，parse() 方法还可以采用 URL 或 File。

<小时/>

我推荐 Jsoup 的原因是它是我尝试过的所有 HTML 解析器中最不冗长的。它不仅提供类似 JavaScript 的方法返回实现 Iterable 的元素，而且还支持 jQuery like selectors这对我来说是一个很大的优点。