如何使用Java正则表达式过滤html文件内容？

Question

使用Java我可以将网页下载到txt文件中。现在，我想通过正则表达式从该txt文件中读取值。以下是实际html的一小部分。

<div>
   <input id="_NAME" value="/John/" />
   <input id="_LASTNAME" value="/BOND/"/>
   <input id="_Class"   value="5" />
</div>

我只想根据ID（_Name和_LASTNAME）读取值？ 提前致谢

Answer 1

只要在浏览时可以使用HTML文件，Jsoup就可以对其进行解析。 由于您仅查询input元素的属性，因此您实际上不必担心结果DOM的结构。

使用您的HTML示例的示例代码，前面带有一堆错误的HTML标签：

import org.jsoup.Jsoup;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
import org.jsoup.select.Elements;


public class SO27938637 {
    public static void main(String[] args) {
        Document doc = Jsoup.parse("<div><span><div><b>sdf</span>dsf<i>sdfdsfsdfds<span></div><div>\n    <input id=\"_NAME\" value=\"/John/\" />\n   <input id=\"_LASTNAME\" value=\"/BOND/\"/>\n   <input id=\"_Class\"   value=\"5\" /></div>");
        Elements inputElement = doc.select("input");

        for (Element e: inputElement) {
            System.out.println(e.attr("id") + ": " + e.attr("value"));
        }
    }
}

输出：

_NAME: /John/
_LASTNAME: /BOND/
_Class: 5