String Java Manipulation HTML tags

Question

J'ai une chaîne de java avec un texte et html:

<title>test title</title> 
blabla bla more text 

Ce que je suis en train de réaliser deux volets:

1) Récupérer le contenu de <title></title> et économisez dans une chaîne séparée.

2) Retirez cette partie de la chaîne d'origine: <title>test title</title>

Ainsi, le résultat final serait quelque chose comme

originalString:

<title>test title</title> 
blabla bla more text 

nouvelleChaine:

blabla bla more text 

pageTitle : test title

Comment puis-je y parvenir? expressions régulières? Je ne peux pas vraiment le saisir ...

Answer 1

Don't use regular expressions to parse HTML! Essayez d'utiliser JTidy ou any of these analyseurs HTML open-source pour Java, qui correspondent à vos besoins. L'utilisation de ces bibliothèques vous facilitera la vie, car elles sont conçues pour analyser le code HTML. Vous pouvez saisir les nœuds que vous voulez et en extraire le texte.

Answer 2

Voici comment vous pouvez utiliser une expression régulière pour extraire le texte entre les balises de titre:

String s = "<title>test title</title>"; 
    Pattern p = Pattern.compile("<title>(.*?)</title>"); 
    Matcher m = p.matcher(s); 
    while(m.find()){ 
     System.out.println(m.group(1)); 
    } 

Answer 3

It is inadvisable to parse XML/HTML with regular expressions. Toutefois, si vous devez absolument faire cette chose que vous avez demandé, essayez ceci:

package org.apache.people.mclark.examples.regex; 
import java.util.regex.*; 
public class Regex1 { 
    public static void main(String[] args) { 
     final String subjectString = "<title>test title</title>\n" + 
      "blabla bla more text"; 
     Pattern regex = Pattern.compile("<title>(.*?)</title>(.*)", 
       Pattern.DOTALL); 
     Matcher regexMatcher = regex.matcher(subjectString); 
     if (regexMatcher.find()) { 
      String pageTitle = regexMatcher.group(1); 
      String leftOvers = regexMatcher.group(2); 
      System.out.println("pageTitle[" + pageTitle + "]"); 
      System.out.println("leftOvers[" + leftOvers + "]"); 
     } else { 
      System.out.println("no match"); 
     } 
    } 
} 

Je me lave les mains de toute mauvaise conduite!