如何解析Html并使用Java将结果作为字符串获取

我想解析Html并以字符串形式获取结果。鉴于外部HTML的主体包含另一个Html字符串，我想要内部Html作为输出字符串。如何解析Html并使用Java将结果作为字符串获取

例子>输入HTML：

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"><html><head></head><body><p>&lt;!DOCTYPE html&gt;<br />&lt;html&gt;<br />&lt;body&gt;<br /><br />&lt;h1&gt;My First Heading&lt;/h1&gt;<br /><br />&lt;p&gt;My first paragraph.&lt;/p&gt;<br /><br />&lt;/body&gt;<br />&lt;/html&gt;<br /><br /></p></body></html>

输出字符串：

<!DOCTYPE html><html><body><h1>My First Heading</h1><p>My first paragraph.</p></body></html>

重要：我使用，其中，如果我输入的东西，它返回的HTML represantation该输入上的HTML编辑器做getText，上面的第一个Html字符串只是表示。

而且输出字符串应该是一样的，当我在这里（http://www.w3schools.com/html/tryit.asp?filename=tryhtml_basic）运行的第一个字符串

请帮助我。

来源

2015-03-25 saurabh

有趣的问题。 – 2015-03-25 13:33:24

我会去一些正则表达式：

(<!DOCTYPE html>).*(<html>.*</html>).+

而且考虑第1组和第2组，

tst = tst.replaceAll("<", "<").replaceAll(">",">"); 
    Pattern p = Pattern.compile("(<!DOCTYPE html>).*(<html>.*</html>).*</html>.*"); 
    Matcher m = p.matcher(tst); 
    m.find(); 
    System.out.println(m.group(1) + m.group(2));

为例捉迷藏： http://rextester.com/JTOJ89529

来源

2015-03-25 10:58:46 Vyncent

我刚刚编辑了我的问题。现在，如果您尝试第一条语句（http://www.w3schools.com/html/tryit.asp?filename=tryhtml_basic_document），那么您将得到类似于第二条语句的内容。我需要那样的东西。其实我正在使用一个HTML编辑器，其中如果我输入了一些东西，它会返回该输入在执行getText时的HTML represantation。我想解析它并获取原始内容。 – saurabh 2015-03-25 11:42:30

只需在应用正则表达式之前替换char：tst = tst.replaceAll（“<”，“<”）。replaceAll（“>”，“>”）;我编辑了响应和示例运行。 – Vyncent 2015-03-25 11:48:02

如何解析Html并使用Java将结果作为字符串获取

回答

相关问题