Java抽取网页信息

使用正则表达式及字符串操作，抽取网页信息

1. 1. /* 去script */
   2.     public static String trimScript(String content) {
   3.         String regEx = "<script[^>]*>[^<]+</script>";
   4.         Pattern p = Pattern.compile(regEx);
   5.         Matcher m = p.matcher(content);
   6.         String result = content;
   7.         if (m.find()) {
   8.             result = m.replaceAll("");
   9.         }
   10.         return result;
   11.     }
   12.     /* 去除注释*/
   13.     public static String trimComment(String content) {
   14.         String regEx = "<!--[^-]*-->";
   15.         Pattern p = Pattern.compile(regEx);
   16.         Matcher m = p.matcher(content);
   17.         String result = content;
   18.         if (m.find()) {
   19.             result = m.replaceAll("");
   20.         }
   21.         return result;
   22.     }
   24.     /* 去除标签 */
   25.     public static String trimTag(String content) {
   26.         String regEx = "<[^>]+>";
   27.         Pattern p = Pattern.compile(regEx);
   28.         Matcher m = p.matcher(content);
   29.         String result = content;
   30.         if (m.find()) {
   31.             result = m.replaceAll("");
   32.         }
   33.         result = result.replace(" ", "").replace(">", "").replace(
   34.                 ">", "");
   35.         return result;
   36.     }
   38.     /* 根据起始位置和结束位置，截取字符串 */
   39.     public static String subString(String start, String end, String content) {
   40.         int iStart = content.indexOf(start);
   41.         int iEnd = content.indexOf(end);
   42.         if (iStart < iEnd) {
   43.             return content.substring(iStart, iEnd);
   44.         }
   45.         return null;
   46.     }