java正则匹配html片段，并取得标签中的内容

• 
  

        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：

Html代码  

1. <dl>  
2.   
3. <dd>  
4.     <span class="gray6">年<span class="padl27"></span>代：</span>2013年</dd>  
5.   
6. <dd>  
7.     <span class="gray6">朝<span class="padl27"></span>向：</span>东北</dd>  
8.   
9. <dd>  
10.     <span class="gray6">楼<span class="padl27"></span>层：</span>第10层(共33层)</dd>  
11.   
12. <dd>  
13.     <span class="gray6 ">结<span class="padl27"></span>构：</span>平层</dd>  
14.   
15. <dd>  
16.     <span class="gray6">装<span class="padl27"></span>修：</span>毛坯</dd>  
17.   
18. <dd>  
19.     <span class="gray6">住宅类别：</span>普通住宅</dd>  
20.   
21. <dd>  
22.     <span class="gray6">建筑类别：</span>板楼</dd>  
23.   
24. <dd>  
25.     <span class="gray6 ">产权性质：</span>个人产权</dd>  
26.   
27. <dd>  
28.   
29. </dl>  

 

伦理片 http://www.dotdy.com/

     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

Html代码  

1. <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：

Java代码  

1. 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：

Java代码  

1. 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：

Java代码  

1. dd=dd.replaceAll("<dd>", "");//替换开头的dd  
2. dd=dd.replaceAll("</dd>", "");//替换结束的订单  
3. 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。

 

Java代码  

1. public static void main(String[] args) {  
2.           
3.         String oriStr = "<dl>"+  
4.                 "<dd>"+  
5.                 "    <span class=\"gray6\">年<span class=\"padl27\"></span>代：</span>2013年</dd>"+  
6.                 "<dd>"+  
7.                 "    <span class=\"gray6\">朝<span class=\"padl27\"></span>向：</span>东北</dd>"+  
8.                 "<dd>"+  
9.                 "    <span class=\"gray6\">楼<span class=\"padl27\"></span>层：</span>第10层(共33层)</dd>"+  
10.                 "<dd>"+  
11.                 "    <span class=\"gray6 \">结<span class=\"padl27\"></span>构：</span>平层</dd>"+  
12.                 "<dd>"+  
13.                 "    <span class=\"gray6\">装<span class=\"padl27\"></span>修：</span>毛坯</dd>"+  
14.                 "<dd>"+  
15.                 "    <span class=\"gray6\">住宅类别：</span>普通住宅</dd>"+  
16.                 "<dd>"+  
17.                 "    <span class=\"gray6\">建筑类别：</span>板楼</dd>"+  
18.                 "<dd>"+  
19.                 "    <span class=\"gray6 \">产权性质：</span>个人产权</dd>"+  
20.                 "<dd>"+  
21.                 "</dl>";  
22.   
23.         String regex2 = "<dd.*?>([\\s\\S]*?)</dd>";  
24.         String regex3 = "<span.*?>住宅类别";  
25.         Pattern pattern2 = Pattern.compile (regex2);  
26.         Pattern pattern3 = Pattern.compile (regex3);  
27.         Matcher match2 = pattern2.matcher (oriStr);  
28.         Matcher match3 = null;  
29.         while (match2.find ()){//取的每个dd标签  
30.             String dd = match2.group ();  
31.             System.out.println(dd);  
32.             match3 = pattern3.matcher(dd);  
33.               
34.             if(match3.find()){//找到dd中含有住宅列别的span 将没用的替换掉  
35.                 dd=dd.replaceAll("<dd>", "");  
36.                 dd=dd.replaceAll("</dd>", "");  
37.                 dd=dd.replaceAll("<span.*?</span>", "");  
38.                 System.out.println("\n\n\n\n\n找到啦......"+dd+"\n\n\n\n");  
39.             }  
40.         }  
41.           
42.     }  

 影音先锋电影 http://www.iskdy.com/