如何解析 HTML 标题

Question

我正在解析这个 HTML。

<div id="articleHeader">
<h1 class="headline">Assassin's Creed Revelations: The Three Heroes</h1>
<h2 class="subheadline">Exclusive videos and art spanning three eras of assassins.</h2>
<h2 class="publish-date"><script>showUSloc=(checkLocale('uk')||checkLocale('au'));document.writeln(showUSloc ? '<strong>US, </strong>' : '');</script>

<span class="us_details">September 22, 2011</span>

我想做的是解析“标题”副标题并将日期全部发布到单独的字符串中

Answer 1

只需使用正确的CSS selectors 即可获取它们。

Document document = Jsoup.connect(url).get();
String headline = document.select("#articleHeader .headline").text();
String subheadline = document.select("#articleHeader .subheadline").text();
String us_details = document.select("#articleHeader .us_details").text();
// ...

或者更高效一点：

Document document = Jsoup.connect(url).get();
Element articleHeader = document.select("#articleHeader").first();
String headline = articleHeader.select(".headline").text();
String subheadline = articleHeader.select(".subheadline").text();
String us_details = articleHeader.select(".us_details").text();
// ...

Answer 2

Android 有一个 SAX parser built into it 。您也可以使用其他标准 XML 解析器。

但我认为如果你的 HTML 足够简单，你可以使用 RegEx 来提取字符串。