在HTML（Java）中查找值的快速方法
使用正则表达式，获取网站HTML并查找此标记内的值（或任何属性的值）的最简单方法是：
[snip] [snip] 取决于您需要构建的Http请求的复杂程度（身份validation等）。 这是我过去看过的一种简单方法。
StringBuilder html = new StringBuilder(); java.net.URL url = new URL("http://www.google.com/"); BufferedReader input = null; try { input new BufferedReader( new InputStreamReader(url.openStream())); String htmlLine; while ((htmlLine=input.readLine())!=null) { html.appendLine(htmlLine); } } finally { input.close(); } Pattern exp = Pattern.compile( ""); Matcher matcher = exp.matcher(html.toString()); if(matcher.find()) { System.out.println("Generator: "+matcher.group(1)); }
编译时可能会发现很多拼写错误。 （希望这不是作业）
令人惊讶的是，当解决使用RegEx和HTML的问题时， 没有人面对HTML的问题，因为HTML常常没有格式良好，从而导致许多HTML解析器完全无用。
如果您正在开发分析网页的工具以及这些不是格式良好的HTML的事实，那么“正则表达式永远不应该被用于解析HTML”的语句og“使用HTML解析器”只是完全是假的。 事实是，在现实世界中，人们会按照自己的意愿创建HTML，而不一定适合解析器。
RegEx 是一种在HTML中查找文本元素的完全有效的方法。 如果有任何其他合理的方法来解决原始海报所遇到的问题，那么发布它们而不是引用“使用解析器”或“RTFM”声明。
您应该使用XPath查询。 它就像获得“/ html / head / meta [@ name = generator] / @ value”的值一样简单。
一个很好的教程： 使用XPath解析XML文档
您可能需要在此处查看Apache的org.apache.commons.HttpClient包和相关包的文档。 从Java应用程序发送HTTP请求非常容易。 阅读文档应该会让你走向正确的方向。
我没有试过这个，但基本框架不会
- 打开java.net.HttpURLConnection
- 使用getInputStream获取输入流
- 使用Mike的答案中的正则表达式来解析您想要的位
严格来说，你不能确定你得到了正确的价值，因为元标记可能被注释掉，或者元标记可能是大写的等等。这取决于你是多么肯定HTML可以被认为是“不错的”。
这取决于。
如果要从保证格式正确的HTML的站点中提取信息，并且您知道不会以某种方式进行模糊处理，那么逐行读取
部分并应用正则表达式是一个很好的方法。另一方面，如果HTML可能被破坏或“棘手”，那么你需要使用适当的HTML解析器，可能是像HTMLTidy这样的宽松的解析器。 注意在随机网站上搜索的东西上使用严格的HTML或XML解析器。 你发现很多所谓的HTML实际上都是格式错误的。