如何提取HTML的 <td> 在Java中使用正则表达式标记数据？

Question

我试图使用Java从电子邮件中读取用户名和密码，它以html格式返回邮件内容，我只想提取<td>标签下的用户名和密码。 以下是我的HTML代码段-

<table width="200">
   <tbody>
     <tr>
        <td colspan="2">Your Account Details:</td>
     </tr>
      <tr>
        <td>EmailId:</td>
        <td><a class="moz-txt-link-abbreviated" href="mailto:jainish.m.kapadia@trimantra.net">jainish.m.kapadia@trimantra.net</a></td>
      </tr>
      <tr>
         <td>Password:</td>
         <td>C3mRXh+|n#1J</td>
      </tr>
  </tbody>
</table>

我该如何实现？

Answer 1

请不要尝试使用RegEx解析HTML，以获取有关为什么不应该尝试使用此方法的详细答案，请参阅此SO 答案。

您可以使用jsoup来解析HTML字符串，如下所示：

String html = "<html><head><title>First parse</title></head>"
  + "<body><p>Parsed HTML into a doc.</p></body></html>";
Document doc = Jsoup.parse(html);

Element content = doc.getElementById("content");
Elements links = content.getElementsByTag("a");
for (Element link : links) {
  String linkHref = link.attr("href");
  String linkText = link.text();
}

jsoup还提供了用于分层导航的方法，例如

siblingElements();
nextElementSibling();

等等。

Answer 2

您可以使用以下代码段：

String str = "your html";
Pattern pattern = Pattern.compile("(<td>(.*?)<\\/td>)");
Matcher matcher = pattern.matcher(str);

这将带回所有<td>标记。 现在，您可以遍历matcher并获取所需的字符串。

如何提取HTML的 <td> 在Java中使用正则表达式标记数据？

问题描述

2 个解决方案

解决方案1
3 已采纳 2016-12-13 08:30:15

解决方案2
1 2016-12-13 08:28:38

如何提取HTML的 <td> 在Java中使用正则表达式标记数据？

问题描述

2 个解决方案

解决方案1 3 已采纳 2016-12-13 08:30:15

解决方案2 1 2016-12-13 08:28:38

解决方案1
3 已采纳 2016-12-13 08:30:15

解决方案2
1 2016-12-13 08:28:38