提取锚文本周围的单词
[英]Extracting words surrounding anchor text
问题描述
我需要使用Java代码来提取围绕html内容的锚文本周围的单词的帮助，尤其是锚文本之前和之后（两侧）的七个单词（包括HTMl块级元素和标点符号）。
2 个解决方案
解决方案1
0 已采纳 2011-01-24 11:06:15
您可以为此使用正则表达式 。
解决方案2
0 2011-01-24 15:20:19
You want to create new URL() from href and get only host part? 
您要从href创建新的URL（）并仅获取主机部分吗？ Get a look at this class. 看看这堂课。
To find anchors and get href attribute I recommend Jericho library. 要查找锚点并获取href属性，我建议使用Jericho库。 I'm using it always when I need to parse a sample of HTML / XML and need no XML validation. 当我需要解析HTML / XML样本并且不需要XML验证时，我总是使用它。 It's fast and easy to use, and has a lot of examples on project's page. 它快速且易于使用，并且在项目页面上有很多示例。
声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.
相关问题
从锚标记中提取锚文本的Javascript - Javascript for extracting anchor text from anchor tag
正则表达式从html页面提取锚标记周围的文本 - regular expression to extract text surrounding anchor tag from html page
从Java文本文件中提取包含2个单词的句子 - extracting sentence containing 2 words from a text file in java
PDFBox 2.0：提取文本时某些单词的首字母不可见 - PDFBox 2.0 : First letter of some words are not visible when extracting text
用标签包围多个单词 - Java中的ElasticSearch Highlighter - Surrounding multiple words with tags - ElasticSearch Highlighter in Java
带有周围文本的 HOCON 条件替换 - HOCON conditional substitution with surrounding text
如何获取节点周围的文字？ - How to get surrounding text of a node?
从模式中提取单词 - Extracting words from a pattern
使用Apache Tika提取文本，然后在删除停用词后得到频繁出现的词 - extracting text using Apache Tika then getting frequently occurring words after removing stopwords
如何删除 JButton 内文本周围的框？ - How to remove the box surrounding the text inside a JButton?
相关标签