我想解析HTML文档,并提取可重复一定的div块HTML一定格。提取使用Java +正则表达式
我已经成功地提取该块的第一次出现,但我不能弄清楚如何获得下一个。
这是我到目前为止的代码:
String inputStr = HTTPGetter.get("http://someurl");
String patternStr ="<div class=\"MY-CLASS\">(.*?)</div>";
// Compile and use regular expression
Pattern pattern = Pattern.compile(patternStr);
Matcher matcher = pattern.matcher(inputStr);
boolean matchFound = matcher.find();
if (matchFound) {
// Get all groups for this match
for (int i=0; i<=matcher.groupCount(); i++) {
String groupStr = matcher.group(i);
System.out.println("Group found:\n"+groupStr);
}
} else {
System.out.println("Not found");
}
我解析该文件有类MY-CLASS的多于一个的div块。我想要所有这些。
我该怎么做?
如果该文件是XHTML这只会工作。 – 2009-09-08 12:54:33
也有大量的HTML解析器:http://stackoverflow.com/search?q=java+html+parser – 2009-09-08 12:55:20