java - 从 HTML 页面中获取特定行并将其放入 String 中

Question

我正在尝试从此网页解析 html 的特定区域:

http://en.wikipedia.org/w/api.php?action=parse&page=Ringo_Starr&prop=text&section=0&format=txtfm&disablepp&redirects

[请注意，这不是源页面，它显示 html 标签，但我对此页面的实际源代码感兴趣 (Ctrl+u)]。

具体来说，我希望将所有以以下内容开头的行:

<span style="color:blue;">&lt;p&gt;</span>

转换为字符串。

这是我试图解决的问题 - 但我似乎还很遥远:

      Document doc = Jsoup.connect("http://en.wikipedia.org/w/api.php?action=parse&page=Ringo_Starr&prop=text&section=0&format=txtfm&disablepp&redirects").get();   
      Elements elements = doc.select("span");
      for (Element e : elements) {
           if(e.text().equals("<p>")){
               System.out.println("now get that whole line");
           }
     }

注意:我在这里使用 jsoup ——但是直接的正则表达式会更有效吗？

Answer 1

直接的正则表达式可能是一个更好的主意。首先尝试一下这个:

Pattern pat=Pattern.compile("^<span style=\"color:blue;\">&lt;p&gt;</span>.+&");

在这里，^开始行，<span style="color:blue;">&lt;p&gt;</span>从字面上匹配，我们就有一个或多个 non-line-terminator characters :

The regular expression . matches any character except a line terminator unless the DOTALL flag is specified.

和$指定行结束符。