java - 在 Java 中使用 HTMLEditorKit 查询 HTML 文件时出现问题

Question

我的 HTML 包含以下形式的标签:

<div class="author"><a href="/user/1" title="View user profile.">Apple</a> - October 22, 2009 - 01:07</div>

我想从每个标签中提取日期“2009 年 10 月 22 日 - 01:07”

我已经实现了 javax.swing.text.html.HTMLEditorKit.ParserCallback 如下:

class HTMLParseListerInner extends HTMLEditorKit.ParserCallback {   
    private ArrayList<String> foundDates = new ArrayList<String>();
    private boolean isDivLink = false;

    public void handleText(char[] data, int pos) {
        if(isDivLink)
            foundDates.add(new String(data)); // Extracts "Apple" instead of the date.
    }

    public void handleStartTag(HTML.Tag t, MutableAttributeSet a, int pos) {       
        String divValue = (String)a.getAttribute(HTML.Attribute.CLASS);
        if (t.toString() == "div" && divValue != null && divValue.equals("author"))
            isDivLink = true;
    }
}

但是，上面的解析器返回“Apple”，它位于标记内的超链接内。如何修复解析器以提取日期？

Answer 1

覆盖handleEndTag并检查“a”？

但是，这个 HTML 解析器是 90 年代初的产物，这些方法没有明确指定。