html java片段_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：

年代：2013年

朝向：东北

楼层：第10层(共33层)

结构：平层

装修：毛坯

住宅类别：普通住宅

建筑类别：板楼

产权性质：个人产权

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

住宅类别：普通住宅

发现会有点麻烦， 因为以

开头 并以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：

String regex2 = "

([\\s\\S]*?)";

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：

String regex3 = "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：

dd=dd.replaceAll("

", "");//替换开头的dd

dd=dd.replaceAll("

", "");//替换结束的订单

dd=dd.replaceAll("", "");//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。

public static void main(String[] args) {

String oriStr = "

"

"+

" 年代：2013年

"+

"

"+

" 朝向：东北

"+

"

"+

" 楼层：第10层(共33层)

"+

"

"+

" 结构：平层

"+

"

"+

" 装修：毛坯

"+

"

"+

" 住宅类别：普通住宅

"+

"

"+

" 建筑类别：板楼

"+

"

"+

" 产权性质：个人产权

"+

"

"+

"

";

String regex2 = "

([\\s\\S]*?)";

String regex3 = "住宅类别";

Pattern pattern2 = Pattern.compile (regex2);

Pattern pattern3 = Pattern.compile (regex3);

Matcher match2 = pattern2.matcher (oriStr);

Matcher match3 = null;

while (match2.find ()){//取的每个dd标签

String dd = match2.group ();

System.out.println(dd);

match3 = pattern3.matcher(dd);

if(match3.find()){//找到dd中含有住宅列别的span 将没用的替换掉

dd=dd.replaceAll("

", "");

dd=dd.replaceAll("

", "");

dd=dd.replaceAll("", "");

System.out.println("\n\n\n\n\n找到啦......"+dd+"\n\n\n\n");

}

}

}