java - 使用 java StringTokenizer、拆分或扫描器提取字符串

Question

我想从以下<a: href>之间提取字符串：</a: href>

<a: href> https://0.0.0.1/abcd/openthis.pdf </a: href>

使用 StringTokenizer、拆分或扫描仪。
我正在尝试将 StringTokenizer 与<a: href>和</a: href>作为分隔符一起使用，但它不起作用。我试图逃避<,>和:，但这似乎不是问题。我的猜测是它不会接受单词或短语作为分隔符。

Answer 1

你可以试试正则表达式。

试试这个正则表达式 >\s+(.*?)\s+<'。

请记住一件事，正则表达式解决方案仅在您提取此字符串时才有效

< a: href > https://0.0.0.1/abcd/openthis.pdf < /a: href>

一般用于html parsers从相应的html代码中提取文本。

这是您不应该使用 regex 解析 HTML 的原因。

我会试试htmlcleaner。

HTMLCleaner 是一个 Java 库，用于安全地将 Web 上的任何 HTML 解析和转换为格式良好的 XML。它被设计成小巧、快速、灵活和独立。HtmlCleaner 可用于 java 代码，作为命令行工具或 Ant 任务。解析的结果是轻量级的文档对象模型，可以轻松地转换为 DOM 或 JDom 等标准，或以各种方式（紧凑、漂亮打印等）序列化为 XML 输出。

您可以使用XPathhtmlcleaner 来获取 xml/html 标签中的内容。这是一个很好的
示例Xpath Example