使用java正则表达式过滤HTML ，获取<body>标签中的内容解决思路

最新推荐文章于 2021-06-08 11:53:59 发布
最新推荐文章于 2021-06-08 11:53:59 发布
阅读量824 收藏
点赞数
文章标签： java 爬虫 python
原文链接：https://my.oschina.net/u/2367675/blog/424035
版权

2019独角兽企业重金招聘Python工程师标准>>> hot3.png

怎么使用java正则表达式过滤HTML ，获取<body>标签中的内容，具体代码如下：
<body >
<div class="infoEmbedDiv-C">
       <div class="contentBody-C">
           <div class="pic-C">
               <div class="panel-img" style="float: left;">点击插入图片</div>
               <div class="panel-img" style="float: right;">点击插入图片</div>
           </div>
           <div class="text-C">内容显示</div>
           <div class="collect">采集</div>
       </div>
</div>
</body>

上面是需要获取的内容（不包括body标签）。各位。。。。。。大神。help
------解决思路----------------------
用 jsoup吧
------解决思路----------------------
解析html的用jsoup最方便了
------解决思路----------------------
说一个特简单的做法，在一个html页面中，你都知道要取<body></body>之间的部分，先将html页面内容读取到字符串中，然后直接使用string的截取，就搞定了。


PS：还有什么疑问可以到http：//java.tanzhouedu.net提出 ，也可以在群 457036818提出 


转载于:https://my.oschina.net/u/2367675/blog/424035

weixin_34175509
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
正则表达式多行匹配html
weixin_40650646的博客
04-17 582
let str = `<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <title&gt...
正则表达式匹配html标签
Tang一橙的博客
01-24 9297
匹配案例： 1、匹配: <h1>我喜欢python</h1> import re str = "<h1>我爱python</h1>" result = re.match(r"<\w*>.*</\w*>",str) print(result) 运行结果: <re.Match object; span=(0, 17), match='<h1>我爱python</h1>'> 说明：html中的&lt
把body中的html隐藏,JAVA通过正则匹配html里面body标签的内容，去掉body标签
weixin_33259400的博客
06-08 380
/***获取html中body的内容包含body标签*@paramhtmlStrhtml代码*@return*/publicstaticStringgetBody(StringhtmlStr){Stringpattern="]*>([\\s\\S]*)";Patternp_body=Pattern.compile(pattern,Pattern.CASE...
java获取HTML纯文本内容 body
weixin_37178674的博客
12-19 7371
java提取HTML纯文本
java中利用正则表达式获取a标签
weixin_30535843的博客
12-05 826
// 设置新闻内容 notice.setContent(editorValue); Matcher m = Pattern.compile("<a[^>]*>([^<]*)</a>").matcher(editorValue); while (m.find()) { String filepath = m.group(1);...
java代码-正则去除HTML代码中的IMG标签
07-15
在上述代码中，`<img\\s+[^>]*>`是正则表达式，用于匹配任何形式的IMG标签。`\\s+`匹配一个或多个空格，`[^>]*`匹配除`>`之外的任何字符零次或多次，这样可以捕获包含任意属性的IMG标签。`Pattern.CASE_INSENSITIVE`...
java代码-正则去除HTML代码中的A标签
07-15
总结来说，使用Java和正则表达式去除HTML中的A标签是一种常见的文本处理任务，但需要注意的是，这种方法对于简单的情况有效，对于复杂的HTML结构可能不够健壮。对于更复杂的需求，推荐使用专门的HTML解析库。
如何用Java来进行文件切割和简单的内容过滤的实现
08-31
对于更复杂的内容过滤任务，可以结合正则表达式或者第三方库，如Apache Tika等，以实现更强大的文本处理能力。同时，确保在处理过程中对文件进行适当的错误处理和资源管理，以保证程序的健壮性。
HtmlParser的使用
04-09
HTMLParser是一个Java库，用于解析HTML文档，提取和处理数据。在Web开发中，它尤其有用，因为HTML是网页的主要格式。...在实际项目中，结合正则表达式和其他解析技术，HTMLParser可以成为强大的数据提取和处理工具。
java开放发中常用的js验证
12-10
第二段代码展示了如何仅允许中文字符输入，通过正则表达式`/[^\u4E00-\u9FA5]/g`来过滤掉所有非中文字符，确保用户只能输入汉字。 ```html <input onkeyup="this.value=this.value.replace(/[^\u4E00-\u9FA5]/g,'')...
Java正则表达式提取html纯文本
12-22
做内容的大家都知道，从html中直接提取纯文本是一个非常大的问题。现将我做的正则匹配贴上： import java.util.regex.Matcher; import java.util.regex.Pattern; public class TestReg { static String reg = "<[a-zA-Z]+.*?>([sS]*?)</[a-zA-Z]*>"; public static void main(String[] args) { // TODO Auto-generated method stub String str = "&n
Java正则表达式如何匹配特定html标签内的内容
09-07
主要给大家介绍了关于Java正则表达式如何匹配特定html标签内的内容的相关资料，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
正则表达式获取body内容
weixin_30505043的博客
01-12 1096
最近项目需要，要弄个正则表达式获取body的内容。 用过angularjs就知道，很多时候要写指令时引用templateUrl的时候。template的内容root是不能包含多个节点的,否则就报错。 这样的规范很不好，很多时候还是想保留template的头，文档类型，css等信息。 所以在开发模式下，希望angularjs加载模板的时候，自动砍掉头部和尾部. 获取之前: <!D...
springboot中使用filter来修改body里的参数
老司机让开，Java新手来了
04-23 4895
在这里, 以去空格为例来进行说明. 背景:在项目中, 经常会遇到前端往后端传参会有字符串参数首尾有空格的情况, 一般如果字段比较少, 或者接口比较少, 自行在controller位置处理一下, 是没有问题的. 就是重复代码多, 工作重复, 没劲. 所以在这里以去空格说明如何处理post方法里的参数首尾空格问题. 自定义filter. public class ParamsFilter impl...
Java正则表达式提取特定html标签内的内容
Canliture
08-31 5659
如题： 使用正则表达式，怎么匹配特定html标签内的内容。 比如，对于如下文本串： ... ignored content prefix content <html>inner content</html> postfix content ... ignored content 我们要提取出<html>标签内的内容: inner content（这里的html标签可以换成任何其它的标签，比如<p>标签） 这里引入正则表达式的group概念：详细点击文章查看
js 正则获取body之间的内容
qq_30675311的博客
10-08 2292
let html = res.dataObj; var rx = /<body[^>]*>([\s\S]+?)<\/body>/i; var m: any = rx.exec(html); if (m) m = m[1]; 原html： <html> <head> <META http-equiv="Content-Type" content="text/html; charset=utf-8"> <style typ...
正则表达式 获取html中<li>与</li>之间的内容，要支持多行
最新发布
05-13
可以使用以下正则表达式来匹配 html 中的 <li> 与 </li> 标签之间的内容： ```html <li>([\s\S]*?)<\/li> ``` 其中，`[\s\S]*?` 匹配任意多个字符，包括换行符，`()` 表示分组，`<\/li>` 匹配闭合标签。 如果要在 Python 中使用该正则表达式，可以使用 `re.findall()` 方法来获取所有匹配的结果： ```python import re html = ''' <ul> <li>Item 1</li> <li> Item 2 with multiple lines </li> <li>Item 3</li> </ul> ''' pattern = r'<li>([\s\S]*?)<\/li>' matches = re.findall(pattern, html) for match in matches: print(match.strip()) ``` 输出结果为： ``` Item 1 Item 2 with multiple lines Item 3 ``` 注意，`match.strip()` 是为了去掉匹配结果中的前后空格。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值