从HTML源提取字符串

Question

您好想从源代码中提取HTML标记之间的字符串，但是通过使用下面给出的代码，我遇到了错误。 有人可以帮我找出错误原因吗？

Pattern pattern = Pattern.compile("/\<body[^>]*\>([^]*)\<\/body/");
Matcher matcher = pattern.matcher(s1);
while (matcher.find()) {
  System.out.println( "Found value: " + matcher.group(1).trim() );
}

我收到的错误是：“无效的转义序列”

谢谢

Answer 1

不要使用正则表达式解析html文件。 我建议您使用jsoup解析器。

String html = "<html><body><h1> Hello, World! </h1></body></html>";
Document doc = Jsoup.parse(html);
String text = doc.body().text();
System.out.println(text);

输出：

Hello, World!