java正则表达式识别html内容

2018-10-07 11:36:07 1.1k 阅读 AI 写同款 · GEO 优化AI 选题数据监测一键分发 ›

开关电源环路稳定性分析(01)-Buck变换器这篇文章主要是根据Buck变换器的拓扑结构，利用欧姆定律，基尔霍夫定律，积分微分，这些我们所熟悉的理论推导出了开关电源输入和输出关系的表达式，我相信看完这篇文章，应该是可以自己推导一次。在后面的文章中，我们同样会按照这样的风格，尽量使用大家都已经掌握的知识，来一步一步的拆解晦涩难懂的环路稳定性的问题，在前面先把积木搭起来，后面综合分析的时候就不会显得那么困难！阅读详情

html网页中有很多条：
<tr class="z_tr_hui">
<td>20180001</td>
<td class="z_font_red"> 534234143432 </td>
<td class="z_font_blue"> 1232 </td>
<td>1330</td>
<td>5453</td>
</tr>
<tr class="z_tr_fen">
<td>20180002</td>
<td class="z_font_red"> 534234143432 </td>
<td class="z_font_blue"> 1233 </td>
<td>1220</td>
<td>5333</td>
</tr>
<tr class="z_tr_hui">
<td>20180003</td>
<td class="z_font_red"> 534234143432 </td>
<td class="z_font_blue"> 1234 </td>
<td>1231</td>
<td>5354</td>
</tr>
<tr class="z_tr_fen">
<td>20180004</td>
<td class="z_font_red"> 534234143432 </td>
<td class="z_font_blue"> 1235 </td>
<td>1230</td>
<td>5353</td>
</tr>
这样的html代码

怎么编写正则表达式，已识别上述3种td的内容？

Document doc = Jsoup.parse(html);
Elements trs = doc.select(正则表达式);

请各位大侠写出示例，谢谢。

...全文

MATLAB实战：利用扫频数据重构系统伯德图的关键步骤本文详细介绍了如何利用MATLAB处理扫频数据并重构系统伯德图的完整实战流程。内容涵盖数据导入与清洗、增益与相位的精确计算、频率响应数据对象（frd）的构建、数据平滑与插值处理，以及最终生成专业伯德图并进行关键参数（如相位裕度）标注的方法。文章重点解决了从实测“黑盒子”系统数据出发，获取直观频率响应特性曲线的核心问题，为控制系统分析与设计提供了实用指南。阅读详情

干饭人之路

Java SE 62,620 成员 307,251 内容

+ 关注 + 加入社区

切换为时间正序

4qw 2018-10-19

打赏
举报

好吧,没注意看,已经在用了

4qw 2018-10-19

打赏
举报

属于网页爬虫方面的知识,可以了解下

4qw 2018-10-19

打赏
举报

使用 Jsoup 解析html 页面就可以了

    String html = "<html><head><title>开源中国社区</title></head>" + "<body><a>17-06-18_00.tar.gz</a> </body></html>";

		Document doc =Jsoup.parse(html);

		Elements links = doc.select("a");

		for (Element link : links) {

			String linkHref = link.attr("href");

			String linkText = link.text();

			System.out.println(linkHref);

			System.out.println(linkText);

		}

rickylin86 2018-10-10

打赏
举报

上面的代码也可以针对在如下的HTML代码获取td标签内容


<td 属性 = "直" 是否换行="yes">
TD中起始标签
和结束标签不同行

内容也是多行的
</td>

rickylin86 2018-10-10

打赏
举报

将需要测试的HTML代码保存在当前目录下的source.html文件中. Java代码如下:


import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.util.Scanner;


import java.nio.file.Paths;
import java.nio.file.Path;
import java.io.IOException;


public class Test{
	public static void main(String[] args){
		String regex = "(?x)<td(\\s+[^=]+=\\s*\"[^\"]*\")*\\s*>\\s*(?<content>[^<]*?)\\s*</td>";
		Pattern pattern = Pattern.compile(regex);
		String content = loadContent();
		Matcher matcher = pattern.matcher(content);
		while(matcher.find()){
			System.out.println(matcher.group("content"));
		}
	}

	private static String loadContent(){
		Path path = Paths.get("source.html");
		StringBuffer content = new StringBuffer();
		try(Scanner source = new Scanner(path);){
			while(source.hasNextLine()){
				content.append(source.nextLine() + System.lineSeparator());
			}
		}catch(IOException e){
			e.printStackTrace();
			return null;
		}
		return content.toString();
	}
}

Surrin1999 2018-10-09

打赏
举报

引用 2 楼 ecardttt 的回复:

楼上Surrin1999，你好：这个网址 view-source:https://m.78500.cn/zs/ssq/ 无法用你给的正则表达式获取号码，能否进一步改一下，分可以再加。

你把完整要匹配的文档发出来吧

nayi_224 2018-10-09

打赏
举报

用了一楼的代码，这不是基本把td的内容扒出来了么，除了带汉字的和有多个class的。

package test.gt50;

import java.io.BufferedReader;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.net.URL;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Test57 {

	/**
	 * @param args
	 */
	public static void main(String[] args) {
		// TODO Auto-generated method stub
        try {
            URL url = new URL("https://m.78500.cn/zs/ssq/");
            InputStream in =url.openStream();
            InputStreamReader isr = new InputStreamReader(in,"GBK");
            BufferedReader bufr = new BufferedReader(isr);
            String str;
            StringBuffer sb = new StringBuffer();
            while ((str = bufr.readLine()) != null) {
                //System.out.println(str);
            	sb.append(str);
            }
            bufr.close();
            isr.close();
            in.close();
            
            String regex = "<td\\s?(class=[\\p{Punct}\\p{Alpha}]+)?>\\s*\\w+\\s*</td>";
            Matcher m = Pattern.compile(regex).matcher(sb.toString());
            while (m.find()) {
                //System.out.println(m.group().replaceAll("[(<td\\s?(class=[\\p{Punct}\\p{Alpha}]+)?)(</td>)]", "").trim());
            	System.out.println(m.group());
            }
            
        } catch (Exception e) {
            e.printStackTrace();
        }
	}

}

Surrin1999 2018-10-09

打赏
举报

引用 2 楼 ecardttt 的回复:

楼上Surrin1999，你好：这个网址 view-source:https://m.78500.cn/zs/ssq/ 无法用你给的正则表达式获取号码，能否进一步改一下，分可以再加。

又努力了一下可以了要不加个分想了好久



// s为你的html

				String s = "xxx"; 

				String regex = "<td\\s?(class=[\\p{Punct}\\p{Alpha}]+)?>[\\p{Alpha}\\s\\w(\u4E00-\u9FA5):]*</td>";

				

				Matcher m = Pattern.compile(regex).matcher(s);

				while (m.find()) {

					String temp = m.group();

					String str = temp.replaceAll("</td>", "");

					int index = str.indexOf(">");

					String ss = str.substring(index+1).trim();

					System.out.println(ss);

				}

Surrin1999 2018-10-09

打赏
举报

再努力了一下没能写出匹配这个网站的完美的

Surrin1999 2018-10-08

打赏
举报



import java.util.regex.Matcher;

import java.util.regex.Pattern;



public class Test12 {

	public static void main(String[] args) {

		String s= "<tr class=\"z_tr_hui\">\r\n" + 

				"<td>20180001</td>\r\n" + 

				"<td class=\"z_font_red\"> 534234143432 </td>\r\n" + 

				"<td class=\"z_font_blue\">  1232 </td>\r\n" + 

				"<td>1330</td>\r\n" + 

				"<td>5453</td>\r\n" + 

				"</tr>\r\n" + 

				"<tr class=\"z_tr_fen\">\r\n" + 

				"<td>20180002</td>\r\n" + 

				"<td class=\"z_font_red\"> 534234143432 </td>\r\n" + 

				"<td class=\"z_font_blue\">    1233 </td>\r\n" + 

				"<td>1220</td>\r\n" + 

				"<td>5333</td>\r\n" + 

				"</tr>\r\n" + 

				"<tr class=\"z_tr_hui\">\r\n" + 

				"<td>20180003</td>\r\n" + 

				"<td class=\"z_font_red\"> 534234143432 </td>\r\n" + 

				"<td class=\"z_font_blue\"> 1234 </td>\r\n" + 

				"<td>1231</td>\r\n" + 

				"<td>5354</td>\r\n" + 

				"</tr>\r\n" + 

				"<tr class=\"z_tr_fen\">\r\n" + 

				"<td>20180004</td>\r\n" + 

				"<td class=\"z_font_red\"> 534234143432 </td>\r\n" + 

				"<td class=\"z_font_blue\">  1235 </td>\r\n" + 

				"<td>1230</td>\r\n" + 

				"<td>5353</td>\r\n" + 

				"</tr>";

		String regex = "<td\\s?(class=[\\p{Punct}\\p{Alpha}]+)?>\\s*\\w+\\s*</td>";

		Matcher m = Pattern.compile(regex).matcher(s);

		while (m.find()) {

			System.out.println(m.group().replaceAll("[(<td\\s?(class=[\\p{Punct}\\p{Alpha}]+)?)(</td>)]", "").trim());

		}

	}

}

干饭人之路 2018-10-08

打赏
举报

楼上Surrin1999，你好：这个网址 view-source:https://m.78500.cn/zs/ssq/ 无法用你给的正则表达式获取号码，能否进一步改一下，分可以再加。

java正则表达式识别html内容

相关推荐