欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

java正则匹配html片段,并取得标签中的内容

程序员文章站 2022-03-17 15:54:45
...

        最近java群好友发来一个html代码,要帮忙匹配查找html代码里面特定的内容:

        代码如下:

<dl>

<dd>
    <span class="gray6">年<span class="padl27"></span>代:</span>2013年</dd>

<dd>
    <span class="gray6">朝<span class="padl27"></span>向:</span>东北</dd>

<dd>
    <span class="gray6">楼<span class="padl27"></span>层:</span>第10层(共33层)</dd>

<dd>
    <span class="gray6 ">结<span class="padl27"></span>构:</span>平层</dd>

<dd>
    <span class="gray6">装<span class="padl27"></span>修:</span>毛坯</dd>

<dd>
    <span class="gray6">住宅类别:</span>普通住宅</dd>

<dd>
    <span class="gray6">建筑类别:</span>板楼</dd>

<dd>
    <span class="gray6 ">产权性质:</span>个人产权</dd>

<dd>

</dl>

 

     

 

     需求为找到 span中内容为:住宅类别的中后面的内容,即获取“普通住宅”文本,通过分析发现如果直接匹配到具体的

<dd>  <span class="gray6">住宅类别:</span>普通住宅</dd>

 

 发现会有点麻烦, 因为以<dd>开头 并以</dd>结束的模式如果写的不好会匹配整个大段的html(去掉开头和结尾的dl)。所以匹配模式改为先匹配每一个dd中的内容, 

 则模式为:

String regex2 = "<dd.*?>([\\s\\S]*?)</dd>";

 

 然后将匹配的dd字符串在去匹配span查找是否存在“住宅类别”文字。如果匹配说明是我们需要查找的

 匹配span的模式为:

String regex3 = "<span.*?>住宅类别";

 如果找到匹配的dd则将dd标签和span标签全部替换掉:思路如下:

dd=dd.replaceAll("<dd>", "");//替换开头的dd
dd=dd.replaceAll("</dd>", "");//替换结束的订单
dd=dd.replaceAll("<span.*?</span>", "");//替换span标签

  

 完整代码如下:

 由于对正则不是很熟悉,纯粹的摸索。如果有更好的实现方法,往各位看官不吝赐教。

 

public static void main(String[] args) {
		
		String oriStr = "<dl>"+
				"<dd>"+
				"    <span class=\"gray6\">年<span class=\"padl27\"></span>代:</span>2013年</dd>"+
				"<dd>"+
				"    <span class=\"gray6\">朝<span class=\"padl27\"></span>向:</span>东北</dd>"+
				"<dd>"+
				"    <span class=\"gray6\">楼<span class=\"padl27\"></span>层:</span>第10层(共33层)</dd>"+
				"<dd>"+
				"    <span class=\"gray6 \">结<span class=\"padl27\"></span>构:</span>平层</dd>"+
				"<dd>"+
				"    <span class=\"gray6\">装<span class=\"padl27\"></span>修:</span>毛坯</dd>"+
				"<dd>"+
				"    <span class=\"gray6\">住宅类别:</span>普通住宅</dd>"+
				"<dd>"+
				"    <span class=\"gray6\">建筑类别:</span>板楼</dd>"+
				"<dd>"+
				"    <span class=\"gray6 \">产权性质:</span>个人产权</dd>"+
				"<dd>"+
				"</dl>";

		String regex2 = "<dd.*?>([\\s\\S]*?)</dd>";
		String regex3 = "<span.*?>住宅类别";
		Pattern pattern2 = Pattern.compile (regex2);
		Pattern pattern3 = Pattern.compile (regex3);
		Matcher match2 = pattern2.matcher (oriStr);
		Matcher match3 = null;
		while (match2.find ()){//取的每个dd标签
			String dd = match2.group ();
			System.out.println(dd);
			match3 = pattern3.matcher(dd);
			
			if(match3.find()){//找到dd中含有住宅列别的span 将没用的替换掉
				dd=dd.replaceAll("<dd>", "");
				dd=dd.replaceAll("</dd>", "");
				dd=dd.replaceAll("<span.*?</span>", "");
				System.out.println("\n\n\n\n\n找到啦......"+dd+"\n\n\n\n");
			}
		}
		
	}