Java - 提取后缀和前缀中间的字符串

Question

在下面的场景中，我们有一个 String，它是来自任何页面的原始 HTML(它可以根据需要更大)，我们必须找到一些值(该 HTML 没有任何 Id 或 classes)

在带有 html 代码的大型 String 中，我们必须提取一些值并将它们保存在变量中，在本例中为总学分值 (60)。

String response = "...
                   <BR>
                   <FONT COLOR="NAVY" FACE="ARIAL" SIZE="2">
                    <B>TOTAL CREDITS:</B>&NBSP; 60
                   </FONT>
                   <BR>
                    ..."

提取该值的最佳方法是什么？

我所做的是识别一个唯一的前缀，我在该点剪切字符串，然后剪切后缀。

String value = response.split("TOTAL CREDITS:</B>&NBSP;")[1].split("</FONT>")[0].trim();

有更好的方法吗？

Answer 1

有特定的 API 用于从 java 解析 HTML 文件。

此链接可能是一个很好的起点 https://www.mkyong.com/java/jsoup-html-parser-hello-world-examples/

如果您使用 Maven，则必须包含依赖项

<dependency>
    <groupId>org.jsoup</groupId>
    <artifactId>jsoup</artifactId>
    <version>1.10.2</version>
</dependency>

然后，您可以使用此代码作为起点，如您所见，使用 jsoup 将文档 DOM 作为文档加载，然后您可以使用与解析 xml 文件类似的方法来搜索 dom 元素:

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;

import java.io.IOException;

Document doc;
try {

    // need http protocol
    doc = Jsoup.connect("http://google.com").get();

    // get page title
    String title = doc.title();
    System.out.println("title : " + title);

    // get all links
    Elements links = doc.select("a[href]");
    for (Element link : links) {

        // get the value from href attribute
        System.out.println("\nlink : " + link.attr("href"));
        System.out.println("text : " + link.text());

    }

} catch (IOException e) {
    e.printStackTrace();
}

希望这有帮助