如何读取写在 html <> 标签之外的字符串。？答案

【问题标题】：how to read string which is written outside the html <> tags.?如何读取写在 html <> 标签之外的字符串。？
【发布时间】：2014-04-29 11:51:13
【问题描述】：

我有 1000 行的 HTML 代码，我想提取写在 HTML 标签之外的数据。

例如..

<>Java Programm<>

它应该只读取“Java Programm”并转义写在“”标签内的任何内容

我尝试了以下代码，但它正在读取包括在内的整个数据，但我的输出中不需要“”。

public static void main(String[] args) throws Exception {

    try {
        FileInputStream fin = new FileInputStream("C:\\Users\\File.txt");
        int i;
        while ((i=fin.read())!=-1) {
            System.out.print((char)i);

        }
    } catch (Exception e) {
        // TODO Auto-generated catch block
        e.printStackTrace();
    }
}

【问题讨论】：

好的，你正在阅读文本文件。您尝试过什么来实际解决您的特定问题（忽略标签）？
@Adriano：OP 没有尝试任何东西，他只是发布了问题。只需复制文件读取代码并进一步为我们..
提示：将其读取为 XML（谷歌在 java 中读取 xml）。使用 element.getTextContent 获取标签外的数据...
@Hirak 我没明白..

标签： java html string file-io substring

【解决方案1】：

您需要一个 HTML 解析器。对于 JSoup，它是

File input = new File("C:\\Users\\File.txt");
Document doc = Jsoup.parse(input, "UTF-8", "http://example.com/");   
Element body = doc.body(); //Get the body of the html
System.out.println(body.text()) ; //Get the all the text inside the body tag

这是一种方法。很简单:)，当然还有其他方法可以做到这一点。这当然会将文本留在正文标记之外。您可以探索 JSoup a here 并找到解决方案。

【讨论】：